Ollama anunció que ahora es compatible con modelos de voz en macOS, mientras que el soporte para Windows y Linux llegará pronto. El primer modelo de voz disponible es Phonon, una familia de modelos pequeños de texto a voz (TTS, por sus siglas en inglés) de última generación desarrollados por Gradium.
De acuerdo con el comunicado, los usuarios pueden descargar o actualizar Ollama a la versión 0.40.11 y ejecutar un modelo de voz con el comando ollama run phonon “Hello from Ollama.”. Además, es posible elegir entre docenas de voces con la opción –voice, por ejemplo: ollama run phonon –voice Hugh “Once upon a time, a little alpaca lived at the top of a very tall mountain.”
La compañía señaló que, acelerado por MLX, Ollama ejecuta Phonon un 35% más rápido que la siguiente opción más veloz en una MacBook Pro con M5 Max, con la misma precisión que la implementación de referencia. El comunicado incluye una gráfica de rendimiento que ilustra esta comparación.
Las aplicaciones pueden utilizar esta funcionalidad a través del endpoint /v1/audio/speech compatible con OpenAI. También es posible canalizar la respuesta de un modelo de chat y escucharla mientras se escribe, como se muestra en el ejemplo: ollama run gemma4 –hidethinking “Tell me a fun fact about owls in two sentences.” | ollama run phonon.
Para conocer más, Ollama invita a escuchar ejemplos en su blog, consultar la documentación de voz y visitar la página del modelo Phonon. El comunicado no proporciona más detalles sobre fechas de disponibilidad para Windows y Linux, ni sobre otros modelos de voz futuros.