Modelos de voz no Ollama
O Ollama passa a suportar síntese de voz, começando com o modelo Phonon da Gradium, por agora no macOS (Windows e Linux previstos). Funciona através do endpoint compatível com a OpenAI /v1/audio/speech e exige o Ollama 0.40.11 ou superior.
O que diz o artigo
O Ollama agora consegue converter texto em fala, segundo uma publicação de 24 de outubro de 2026. O primeiro modelo de voz é o Phonon, uma família de pequenos modelos de síntese de voz da Gradium. Por ora, o recurso roda em Macs com Apple Silicon; Windows e Linux estão planejados, mas ainda não lançados. É preciso Ollama 0.40.11 ou superior e executar ollama pull phonon.
O Ollama usa o framework MLX da Apple e afirma ser 35 % mais rápido que o ambiente de execução da Gradium em um MacBook Pro com M5 Max, com taxa de erro de palavras equivalente à implementação de referência. O modelo em inglês usa Apache 2.0, enquanto os modelos 40M (francês, alemão, espanhol, português, multilíngue) usam CC BY-NC 4.0, apenas para uso não comercial. O Phonon funciona com o endpoint compatível com a OpenAI /v1/audio/speech, com áudio mono de 24 kHz em streaming.
Ler o artigo oficial Ficha AnnuIA
Resumo escrito pela AnnuIA com suas próprias palavras, com base na página oficial de Ollama. O conteúdo e os direitos pertencem ao editor: consulte o artigo original.