Kyutai의 pocket-tts 아키텍처로 학습된 페르시아어 모델(pocket-tts-farsi-v2)을 GPU·인터넷 없이 CPU에서 돌리는 오프라인 페르시아어 TTS다. 페르시아어 텍스트를 그대로 받아 ByT5 기반 G2P로 음소를 만들고 24kHz WAV를 출력하며, 5초 이하 참조 음성으로 보이스 클로닝을 한다. 핵심은 torch를 완전히 걷어낸 ONNX Runtime 경로로, 설치 의존성이 Windows 기준 약 1.2GB에서 약 200MB로 줄었고 원본과의 파형 차이는 7.5e-4 수준이다. FlowLM 그래프 3개를 하나로 합치고 스텝마다 전체 KV 캐시(약 12.6MB) 대신 해당 스텝의 K/V(약 50KB)만 내보내는 방식으로 torch와 같은 속도를 맞췄다. 저장소에는 별도 코드 라이선스 파일이 없고, TTS 모델은 CC-BY-NC-4.0이라 출력물의 상업적 이용이 금지된다고 README에 명시돼 있다.