■ **概要** LLM ベースの軽量 TTS で、0.6B〜1B パラメータの小型モデルを複数推論バックエンドで動作可能にする設計。 ■ **特徴・用途** - **バックエンド柔軟性**: llama.cpp / Transformers / ExLlamaV2 / VLLM など選択可能で、環境に応じた推論エンジン最適化が容易 - **エッジ/ローカル指向**: 小型モデル + バッチ RTF ベンチマーク明記で、GPU/CPU 環境での実装判断が具体的 - **マルチプラットフォーム**: Python（主流）+ JavaScript（ブラウザ/Node.js）対応で、統合選択肢が広い ■ **結論** 小型・多バックエンド対応で統合柔軟性が高い一方、品質（自然性・言語対応）と推論スループットは実装選択に大きく依存する実用系。