Речевые модели в Ollama
Ollama теперь поддерживает синтез речи, первой моделью стала Phonon от Gradium, пока на macOS (Windows и Linux в планах). Она работает через совместимый с OpenAI эндпоинт /v1/audio/speech и требует Ollama 0.40.11 или новее.
О чём статья
Согласно публикации от 24 октября 2026 года, Ollama теперь умеет преобразовывать текст в речь. Первая голосовая модель — Phonon, семейство небольших моделей синтеза речи от Gradium. Пока функция работает на Mac с Apple Silicon; Windows и Linux запланированы, но ещё не выпущены. Нужна Ollama версии 0.40.11 или новее и команда ollama pull phonon.
Ollama использует фреймворк Apple MLX и заявляет, что на MacBook Pro с M5 Max работает на 35 % быстрее среды выполнения Gradium, при той же частоте ошибок в словах, что и у эталонной реализации. Английская модель распространяется по Apache 2.0, а модели 40M (французский, немецкий, испанский, португальский, многоязычная) — по CC BY-NC 4.0, то есть только для некоммерческого использования. Phonon работает через совместимую с OpenAI конечную точку /v1/audio/speech и передаёт моно-аудио 24 кГц потоком.
Читать официальную статью Карточка AnnuIA
Краткое изложение написано AnnuIA своими словами по официальной странице Ollama. Содержание и права принадлежат издателю: читайте оригинальную статью.