10 月 27 日消息,本地大模型开源平台 Ollama 于 10 月 24 日宣布,其 Mac 应用正式支持文本转语音生成,Windows 和 Linux 版本随后跟进。这是 Ollama 首次加入语音生成能力。
首个支持的语音模型是 Gradium 开发的 Phonon 系列。该模型体积较小、技术指标先进,用户不依赖云端服务,可通过 Ollama 直接下载并在 Apple Silicon Mac 上运行,适合注重隐私、需要离线使用的场景。在 macOS 上,Ollama 采用苹果开源机器学习框架 MLX,充分利用 Apple Silicon 的统一内存架构提升运行效率。
实测比 Gradium 自身快 35%
官方测试显示,在搭载 M5 Max 芯片的 MacBook Pro 上,Phonon 在保持与 Hugging Face Transformers 参考实现相当的词错误率前提下,语音生成速度比 Gradium 自身实现快 35%。
新功能还支持实时语音生成,用户不必等待 AI 完整输出文本,可以在回答生成过程中同步听到语音,交互体验更接近自然对话。配合本地模型运行,语音内容同样不出本机。
五种语言与口音选项
Phonon 目前提供英语、法语、德语、西班牙语和葡萄牙语五种语言的独立模型,并配有支持全部五种语言的多语言模型,用户还可选择美式英语或英式英语等不同口音的音色。Ollama 本身在 GitHub 上拥有近 18.5 万颗 Star 和约 1.86 万个 Fork。
这条路径的模型底座本站此前拆过 Gradium Phonon 开源:3100 万参数端侧 TTS,当时是模型本身,这次是它被主流本地运行平台接进去。对本地 AI 用户来说,一键装上语音输出比手工配环境省事得多。
延伸阅读
- Ollama 显存不释放怎么修:keep_alive 四写法实测1 周前
- Shizuku-Duplex 发布:全双工模型 80ms 一帧与 5 分钟压缩1 周前
- aider 接本地 Ollama:num_ctx 每轮重算的四个坑4 天前
- 讯飞星火 X2.6:293B 国产算力训练,4B 端侧 BFCL 拿 71.8 分4 周前
AI 自学笔记 每天更新 AI 前沿动态,订阅 RSS,或按 Ctrl/⌘+D 收藏本站,明天见。
继续读
往下这几篇值得接着看:
- 腾讯混元发布 Hy Realtime:实时语音能唱会调工具2026-11-13
- ElevenLabs Scribe v3 发布:102 语言词错率降 27%2026-11-13
- Ollama 函数调用怎么配:七个不报错的坑深度2026-11-15
想快速查定义?对应的词条在这里:
- Llama词条 · AI 自学笔记
