■ **概要** ComfyUIに統合された、600言語対応のゼロショット多言語TTSツール。音声クローニング・音声デザイン・マルチスピーカー対話に対応。 ■ **特徴・用途** 3～15秒のサンプルから音声クローン可能で、テキスト記述による合成音声デザインと組み合わせれば、キャラクターボイス設定の自由度が高い。RTF 0.025の高速推論、SageAttention対応、自動CPU offloadで、限られたVRAM環境での実運用を前提設計。ComfyUIノード化により、複数言語・複数話者ダイアローグの一括生成ワークフロー（動画字幕・音声アセット製造）に直結する。 ■ **結論** 多言語対応と軽量推論が実装されたローカルTTS基盤として、動画字幕・AIキャラクター音声、あるいはKurage類のマルチリンガル音声生成基盤の候補価値あり。