AI 摘要
- Mac版Ollama已正式加入文字轉語音功能。
- 首個支援的語音模型為Gradium開發的Phonon系列，可離線運行。
本地運行大型語言模型的開源平台 Ollama 近日宣布，其 Mac 應用程式正式加入文字轉語音（Text-to-Speech，TTS）功能。這是 Ollama 首次在此類應用中提供語音輸出能力，使本地 AI 助手從原本的閱讀與寫作，延伸到語音互動。根據來源報導，Windows 與 Linux 版本也將陸續跟進，但報導未提供具體時程。
首個支援模型：Gradium 的 Phonon 系列
首個獲得支援的語音模型，是由 Gradium 開發的 Phonon 系列。來源指出，該模型體積小巧，使用者無需依賴任何雲端服務，即可透過 Ollama 直接下載，並在搭載 Apple Silicon 晶片的 Mac 上運行，適合重視資料隱私與離線使用的情境。
技術基礎：MLX 框架與統一記憶體架構
Ollama 的 Mac 版本採用蘋果開源的機器學習框架 MLX，並利用 Apple Silicon 的統一記憶體架構來提升運行效率。
根據官方測試數據，在搭載 M5 Max 晶片的 MacBook Pro 上運行 Phonon 時，其語音生成速度比 Gradium 自身的實作快 35%。同時，其詞錯誤率與 Hugging Face Transformers 參考實作相當，且維持在極低水準。需要注意的是，上述數據來自官方測試，報導中未提供獨立第三方驗證，且結果是在特定硬體與測試條件下取得。
即時語音生成
該功能支援即時語音生成。使用者不必等待 AI 輸出完整段落，即可在回答生成的同時聽到對應語音，互動節奏更接近即時對話。
語言與音色支援
目前 Phonon 提供英語、法語、德語、西班牙語及葡萄牙語五種語言的獨立模型，另有一個可支援全部五種語言的多語言通用模型。使用者也可以依喜好選擇美式或英式等不同口音。
| 模型類型 | 支援語言 |
|---|---|
| 獨立模型 | 英語、法語、德語、西班牙語、葡萄牙語（各語言單獨提供） |
| 多語言通用模型 | 上述五種語言 |
開源社群與影響
Ollama 是 GitHub 上備受關注的開源專案，來源報導指出其目前擁有近 18.5 萬個 Star 與約 1.86 萬個 Fork。此次更新顯示本地 AI 工具正從純文字互動，延伸到語音輸出。對於關注隱私與離線運作的開發者與一般使用者而言，這提供了另一種選擇；不過，跨平台版本的推出時程，以及未來更多模型的支援情況，仍有待後續觀察。
Reference Link : news.aibase.com
