# Fun-CosyVoice3（語音模型）

> 來自阿里巴巴通義實驗室的本地語音克隆文字轉語音模型：Fun-CosyVoice3 0.5B 能用 3–30 秒片段中的聲音，說出中文、英文、日文、韓文、德文、西班牙文、法文、義大利文、俄文和粵語，並遵循風格指示（情緒、語速、方言）。透過 audio.cpp 在你的 GPU 上執行。Apache-2.0。

- ID: `aigd.tts-cosyvoice3`
- 來源: 官方 (第一方 `aigd.*`)
- 分類: 音訊
- 發佈者: AI Game Dev (`aigd`), 已驗證
- 最新版本: 1.0.2 (發佈於 2026-11-22)
- 授權條款: SEE LICENSE IN README.md
- 需要 AI Game Dev 應用程式: `>=0.32.0-beta.6`
- 原生程式碼: 否
- 評分: 尚無評分
- HTML 頁面: https://ai-game.dev/zh-hant/packages/aigd.tts-cosyvoice3

## 安裝

在專案資料夾中，使用 gamedev CLI：

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

在桌面應用程式中：開啟「套件」視窗（狀態列上的套件圖示），選擇 **瀏覽**，搜尋 `aigd.tts-cosyvoice3`，然後點 **加入專案**。更多資訊：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 發佈日期 | 需要應用程式 | 備註 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 說明

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

Fun-CosyVoice3 0.5B（阿里巴巴通義實驗室）是一款語音克隆文字轉語音模型：它能用一段簡短參考片段中的聲音，說出你提供的文字，涵蓋九種語言加上粵語，並遵循情緒、語速或方言等風格指示。在 AI Game Dev 中，它透過 **本機音訊生成**（`aigd.audiocpp`，audio.cpp 執行環境）在你的 GPU 上執行。它適合需要同一角色聲音橫跨亞洲與歐洲語言的遊戲。

## 你可以製作什麼

- 以 3–30 秒片段克隆出來的聲音，呈現中文、英文、日文、韓文、德文、西班牙文、法文、義大利文、俄文或粵語的角色對白。
- 跨語言配音：同一個聲音說出與片段不同的語言。
- 依指示產生同一句台詞的變化版本：更溫暖、更快、更悲傷，或帶有方言。

## 範例請求

- 「克隆 `Audio/ref/merchant.wav`，並用日文和韓文說出商人的招呼語。」
- 「用同一個聲音唸這句台詞，但語氣溫暖一點、速度慢一點。」
- 「用我加入的參考片段，為商店對白配音粵語版本。」

## 重點特色

|  |  |
|---|---|
| 模型 ID | `aigd.tts-cosyvoice3.q8-0` |
| 語言 | zh、en、ja、ko、de、es、fr、it、ru、yue（粵語） |
| 聲音 | 一律克隆自 3–30 秒的參考片段（轉錄文字可選） |
| 風格指示 | 支援（情緒、語速、方言） |
| 輸出 | 24 kHz 單聲道 WAV |
| 每次請求的文字量 | 最多 2,000 個字元 |
| 執行環境 | NVIDIA（CUDA）、Vulkan 或 Mac（Metal）GPU |
| 下載 | 2.26 GB，1 個檔案 |
| 授權 | Apache-2.0，允許商業使用 |

## 運作方式

每次請求都需要一段 3–30 秒的參考片段（專案中的 WAV 檔）。提供轉錄文字時，模型會貼近地克隆該聲音；沒有轉錄文字時，則進行跨語言克隆。風格指示（「溫暖地說」、「更快」、某種方言）會改變呈現方式。

這個套件只包含資料。它指名一個檔案；在你確認後，應用程式會下載該檔案、以 sha256 檢查，並在你的電腦上透過 audio.cpp 執行。

## 下載

2.26 GB，一個檔案，固定於 Hugging Face 的提交 `b7b9aa1f`：

| 檔案 | 來源 | 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 |

轉換自 [`FunAudioLLM/Fun-CosyVoice3-0.5B-2512`](https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512)。

## 適用電腦

| 電腦 | 需求 | 速度 |
|---|---|---|
| NVIDIA GPU（CUDA）或其他 GPU（Vulkan） | 約 4 GB GPU 記憶體（估計） | 尚未實測 |
| 搭載 Apple 晶片的 Mac（Metal） | 約 8 GB 記憶體（估計） | 尚未實測 |

## 授權

Apache-2.0。允許商業使用。

- Fun-CosyVoice3-0.5B-2512 © Tongyi Lab, Alibaba（FunAudioLLM）— [模型卡](https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512)（`license: apache-2.0`）。模型儲存庫**沒有附上 LICENSE 檔**；Apache-2.0 的條文位於 [CosyVoice 程式碼儲存庫](https://github.com/FunAudioLLM/CosyVoice/blob/main/LICENSE)。
- GGUF 轉換由 audio.cpp 完成 — [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf)；audio.cpp 的 [模型授權表](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md) 將其列為 Apache-2.0，允許商業使用：是。

重新散布權重時必須標註：Apache-2.0 授權條文與聲明。你生成的語音則無需標註。

限制，坦白說：除了授權條文中的聲明外，沒有其他限制。只克隆你有權使用的聲音；你必須對自己生成的內容負責。

如套件中所宣告（`license`）：

- 授權：Apache-2.0 — https://github.com/FunAudioLLM/CosyVoice/blob/main/LICENSE
- 標註：Fun-CosyVoice3-0.5B-2512 © Tongyi Lab, Alibaba（FunAudioLLM），Apache-2.0；GGUF 轉換由 audio.cpp 完成
- 限制（標註）：重新散布權重時必須附上 Apache-2.0 授權條文與聲明。
- 限制（其他）：Hugging Face 模型儲存庫在其模型卡中宣告 Apache-2.0，但未附上 LICENSE 檔；授權條文位於 FunAudioLLM/CosyVoice 程式碼儲存庫。
- 限制（其他）：語音克隆：僅可使用你獲得許可重製的聲音；你必須對自己生成的內容負責。

所有檔案都從 Hugging Face 下載。AI Game Dev 不自行託管這些檔案。
````
