Ollama中的语音模型
Ollama现已支持文本转语音，首个模型是Gradium的Phonon，目前仅支持macOS，Windows和Linux计划支持。它通过与OpenAI兼容的/v1/audio/speech接口使用，需要Ollama 0.40.11或更高版本。
文章要点
据2026年10月24日的文章,Ollama 现已支持文本转语音。首个语音模型是 Gradium 的小型语音合成模型系列 Phonon。目前该功能运行于搭载 Apple Silicon 的 Mac,Windows 和 Linux 已在计划中但尚未发布。需要 Ollama 0.40.11 或更高版本,然后执行 ollama pull phonon。
Ollama 使用 Apple 的 MLX 框架,称在搭载 M5 Max 的 MacBook Pro 上比 Gradium 自家运行时快35%,词错误率与参考实现相当。英语模型采用 Apache 2.0 许可,40M 系列模型(法语、德语、西班牙语、葡萄牙语及多语言版)采用 CC BY-NC 4.0,仅限非商业使用。Phonon 可通过兼容 OpenAI 的 /v1/audio/speech 接口使用,以流式方式输出24kHz单声道音频。
本摘要由 AnnuIA 根据 Ollama 官方页面用自己的话撰写。内容及版权归发布方所有，请阅读原文。