Sprachmodelle in Ollama
Ollama unterstützt jetzt Text-to-Speech, zunächst mit Gradiums Modell Phonon, vorerst unter macOS (Windows und Linux geplant). Es funktioniert über den OpenAI-kompatiblen Endpunkt /v1/audio/speech und erfordert Ollama 0.40.11 oder neuer.
Worum es im Artikel geht
Ollama kann laut einem Beitrag vom 24. Oktober 2026 nun Text in Sprache umwandeln. Das erste Sprachmodell ist Phonon, eine Familie kleiner Text-to-Speech-Modelle von Gradium. Vorerst läuft die Funktion auf Macs mit Apple Silicon; Windows und Linux sind geplant, aber noch nicht verfügbar. Nötig sind Ollama 0.40.11 oder neuer und der Befehl ollama pull phonon.
Ollama nutzt Apples MLX-Framework und gibt an, auf einem MacBook Pro mit M5 Max 35 % schneller als die Laufzeit von Gradium zu sein, bei einer Wortfehlerrate wie die Referenzimplementierung. Das englische Modell steht unter Apache 2.0, die 40M-Modelle (Französisch, Deutsch, Spanisch, Portugiesisch, mehrsprachig) unter CC BY-NC 4.0, also nur für nichtkommerzielle Nutzung. Phonon arbeitet mit dem OpenAI-kompatiblen Endpunkt /v1/audio/speech und streamt 24-kHz-Mono-Audio.
Offiziellen Artikel lesen AnnuIA-Profil
Zusammenfassung von AnnuIA in eigenen Worten nach der offiziellen Seite von Ollama. Inhalt und Rechte liegen beim Herausgeber: bitte den Originalartikel lesen.