■ **概要** LLMと音声エンコーダを組み合わせたゼロショットマルチリンガルTTSで、単一の話者音声から14言語以上の自然な音声合成を実現。 ■ **特徴・用途** - **言語横断での話者同一性保持** — 言語が切り替わってもボイスキャラが変わらない。グローバルコンテンツ制作で字幕言語ごとにナレーション再録音が不要に - **学習言語以外への適応力** — ゼロショット設計で、学習データが限定的な言語や新言語へも話者を保ったまま拡張可能 - **LLMの文脈処理** — 単なる音声変換でなくLLMが言語理解を担うため、複雑な句読法や感情ニュアンスの処理に期待 ■ **結論** ローカライズコスト削減とアクセシビリティ向上が同時に実現できる手法で、特に多言語ナレーション・字幕動画・多言語アバター音声での採用価値が高い。