# Fun-CosyVoice3（语音模型）

> 来自阿里巴巴通义实验室的本地声音克隆文本转语音：Fun-CosyVoice3 0.5B 能用一段 3-30 秒的音频中的嗓音，以中文、英语、日语、韩语、德语、西班牙语、法语、意大利语、俄语和粤语说话，并遵循风格指令（情绪、语速、方言）。通过 audio.cpp 在你的 GPU 上运行。Apache-2.0。

- ID: `aigd.tts-cosyvoice3`
- 来源: 官方 (第一方 `aigd.*`)
- 分类: 音频
- 发布者: AI Game Dev (`aigd`), 已验证
- 最新版本: 1.0.2 (发布于 2026-11-22)
- 许可证: SEE LICENSE IN README.md
- 需要 AI Game Dev 应用: `>=0.32.0-beta.6`
- 原生代码: 否
- 评分: 暂无评分
- HTML 页面: https://ai-game.dev/zh-hans/packages/aigd.tts-cosyvoice3

## 安装

使用 gamedev CLI，在项目文件夹中运行：

```bash
gamedev pkg add aigd.tts-cosyvoice3
```

在桌面应用中：打开 Packages 窗口（状态栏中的包图标），选择 **Browse**，搜索 `aigd.tts-cosyvoice3`，然后点击 **Add to Project**。更多：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 发布时间 | 需要应用 | 备注 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 描述

````markdown
# Fun-CosyVoice3 (`aigd.tts-cosyvoice3`)

Fun-CosyVoice3 0.5B（阿里巴巴通义实验室）是一个声音克隆文本转语音模型：它用一段简短参考音频中的嗓音朗读你的文本，支持九种语言外加粤语，并遵循情绪、语速或方言等风格指令。在 AI Game Dev 中，它通过**本地音频生成**（`aigd.audiocpp`，即 audio.cpp 运行时）在你的 GPU 上运行。它适合需要同一个角色声音覆盖亚洲和欧洲多种语言的游戏。

## 你可以制作什么

- 用一段 3–30 秒的音频克隆出的嗓音，说出中文、英语、日语、韩语、德语、西班牙语、法语、意大利语、俄语或粤语的角色对白。
- 跨语言配音：同一个嗓音说出与参考音频中不同的语言。
- 按指令生成同一句台词的不同版本：更温暖、更快、更悲伤，或换成某种方言。

## 示例请求

- “克隆 `Audio/ref/merchant.wav`，并用日语和韩语说出商人的问候语。”
- “用同一个嗓音读这句台词，但语气温暖一些，语速稍慢一点。”
- “用我添加的参考音频，为商店对话配上粤语版本。”

## 亮点

|  |  |
|---|---|
| 模型 ID | `aigd.tts-cosyvoice3.q8-0` |
| 语言 | zh、en、ja、ko、de、es、fr、it、ru、yue（粤语） |
| 嗓音 | 始终克隆自一段 3–30 秒的参考音频（转写文本可选） |
| 风格指令 | 支持（情绪、语速、方言） |
| 输出 | 24 kHz，单声道 WAV |
| 单次请求文本量 | 最多 2,000 个字符 |
| 运行于 | NVIDIA（CUDA）、Vulkan 或 Mac（Metal）GPU |
| 下载 | 2.26 GB，1 个文件 |
| 许可 | Apache-2.0，允许商用 |

## 运行方式

每次请求都需要一段 3–30 秒的参考音频（项目中的 WAV 文件）。配合其转写文本，模型能紧密克隆该嗓音；不提供转写文本时，则进行跨语言克隆。风格指令（“温暖地说”“更快”、某种方言）会改变表达方式。

此包仅为数据。它指定一个文件；应用在你确认后下载该文件，用 sha256 校验，并通过 audio.cpp 在你的电脑上运行。

## 下载

2.26 GB，一个文件，锁定到 Hugging Face 提交 `b7b9aa1f`：

| 文件 | 来源 | 大小 |
|---|---|---:|
| `cosyvoice3-q8_0.gguf` | [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/CosyVoice3-GGUF) | 2.26 GB |

从 [`FunAudioLLM/Fun-CosyVoice3-0.5B-2512`](https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512) 转换而来。

## 适用电脑

| 电脑 | 需求 | 速度 |
|---|---|---|
| NVIDIA GPU（CUDA）或其他 GPU（Vulkan） | 约 4 GB GPU 显存（估算） | 尚未实测 |
| 搭载 Apple 芯片的 Mac（Metal） | 约 8 GB 内存（估算） | 尚未实测 |

## 许可

Apache-2.0。允许商用。

- Fun-CosyVoice3-0.5B-2512 © 阿里巴巴通义实验室（FunAudioLLM）— [模型卡](https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512)（`license: apache-2.0`）。模型仓库**未附带 LICENSE 文件**；Apache-2.0 文本位于 [CosyVoice 代码仓库](https://github.com/FunAudioLLM/CosyVoice/blob/main/LICENSE)。
- GGUF 转换由 audio.cpp 完成 — [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf)；audio.cpp 的 [模型许可表](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md) 将其列为 Apache-2.0，允许商用。

再分发权重时必须署名：附上 Apache-2.0 许可文本与声明。你生成的语音无需署名。

限制，直说：除许可声明外，许可中没有其他限制。只克隆你有权使用的声音；你对生成的内容负责。

如包中所声明（`license`）：

- 许可：Apache-2.0 — https://github.com/FunAudioLLM/CosyVoice/blob/main/LICENSE
- 署名：Fun-CosyVoice3-0.5B-2512 © 阿里巴巴通义实验室（FunAudioLLM），Apache-2.0；GGUF 转换由 audio.cpp 完成
- 限制（署名）：再分发权重时必须附上 Apache-2.0 许可文本与声明。
- 限制（其他）：Hugging Face 模型仓库在其模型卡中声明 Apache-2.0，但未附带 LICENSE 文件；许可文本位于 FunAudioLLM/CosyVoice 代码仓库。
- 限制（其他）：声音克隆：仅使用你有权复制的声音；你对生成的内容负责。

所有文件均从 Hugging Face 下载。AI Game Dev 不托管这些文件。
````
