📢 X投稿文
MimikaStudio:3秒の音声でボイスクローニング。PDF読み上げからオーディオブック作成まで、全機能ローカルで実行。macOSのApple SiliconをMLXでネイティブ加速
https://github.com/BoltzmannEntropy/MimikaStudio
🤖 AI考察
■ **概要**
Apple Silicon 最適化・MLX ネイティブ推論による、ローカルファースト音声クローン + マルチエンジン TTS + ドキュメント読み上げ統合スタック。
■ **特徴・用途**
- **音声クローン**は 3 秒参考音声で即座に実装(Qwen3-TTS・Chatterbox エンジン)&ジョブキュー対応、Kokoro・Supertonic など複数 TTS エンジンを共存させて品質・速度を最適化可能。
- **ドキュメント処理**は PDF/DOCX/EPUB/Markdown への読み上げ(文レベル同期ハイライト)からオーディオブック一括生成まで、単一パイプラインで完結。
- **エージェント志向**:MCP・API ダッシュボード・ジョブキュー・モデル自動ダウンロード で、サーバー運用前提の設計。
■ **結論**
Kurage の Audio8(ローカル TTS)や rqdb4ai のキューイング戦略と同系統;Apple Silicon 環境での言語処理パイプラインを Ollama 依存から MLX ネイティブに転換する選択肢。