Modelos de voz en Ollama
Ollama incorpora la síntesis de voz, con Phonon de Gradium como primer modelo, por ahora en macOS (Windows y Linux previstos). Funciona con el endpoint compatible con OpenAI /v1/audio/speech y requiere Ollama 0.40.11 o posterior.
Qué dice el artículo
Ollama ya puede convertir texto en voz, según una entrada fechada el 24 de octubre de 2026. El primer modelo de voz es Phonon, una familia de modelos pequeños de síntesis de voz de Gradium. Por ahora la función funciona en Mac con Apple Silicon; Windows y Linux están previstos pero aún no disponibles. Se necesita Ollama 0.40.11 o posterior y ejecutar ollama pull phonon.
Ollama usa el framework MLX de Apple y afirma ser un 35 % más rápido que el entorno de ejecución de Gradium en un MacBook Pro con M5 Max, con una tasa de error de palabras equivalente a la implementación de referencia. El modelo en inglés usa Apache 2.0, mientras que los modelos 40M (francés, alemán, español, portugués, multilingüe) usan CC BY-NC 4.0, solo para uso no comercial. Phonon funciona con el endpoint compatible con OpenAI /v1/audio/speech, con audio mono de 24 kHz en streaming.
Leer el artículo oficial Ficha AnnuIA
Resumen redactado por AnnuIA con sus propias palabras a partir de la página oficial de Ollama. El contenido y los derechos pertenecen al editor: consulte el artículo original.