📢 X投稿文
F5 TTS — MLX: MLXフレームワークで実装した音声合成。非自己回帰型の拡散トランスフォーマーで高速生成、参照音声からのゼロショット音声マッチング対応。
https://github.com/lucasnewman/f5-tts-mlx
🤖 AI考察
■ **概要**
Apple Silicon特化のMLX実装でF5-TTSを高速化したゼロショットTTS
■ **特徴・用途**
Non-autoregressiveな拡散トランスフォーマーとFlow-matchingにより、M3 MacBook Proで~4秒の高速生成を実現。参照音声（5-10秒 mono 24kHz）でのゼロショット音声クローンやLLM出力のパイプライン統合に対応。4/8bit量子化モデルでエッジデバイス向け低リソース動作も可能。
■ **結論**
ローカルTTSやエッジ推論が必須の環境で、品質・速度・リソース効率のバランスが優れた選択肢。