SWivid가 개발한 Flow Matching 기반 텍스트-음성 변환 시스템입니다. Diffusion Transformer와 ConvNeXt V2 아키텍처를 결합하여 빠른 학습과 추론 속도를 달성합니다. 10만 시간 이상의 공개 다국어 데이터셋으로 학습되어 뛰어난 자연스러움과 표현력의 제로샷 음성 합성을 제공합니다. 중국어와 영어를 기본 지원하며 커스텀 추론으로 추가 언어 확장이 가능합니다. 멀티 스타일·멀티 스피커 생성, Sway Sampling을 통한 추론 단계 최적화, 청크 추론 등을 지원합니다. NVIDIA, AMD(ROCm), Intel(XPU), Apple Silicon 등 다양한 GPU 환경에서 동작하며 Docker, Gradio, CLI, Triton/TensorRT-LLM 배포를 지원합니다.