Ollama anunció que ahora soporta modelos de voz en macOS, con soporte para Windows y Linux próximamente. El primer modelo de voz disponible es Phonon, una familia de modelos pequeños de texto a voz (TTS) de última generación desarrollados por Gradium, de acuerdo con el comunicado de la compañía.
Para utilizar esta función, los usuarios deben 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.”. La herramienta permite elegir entre docenas de voces mediante el parámetro –voice, como se muestra en el ejemplo: ollama run phonon –voice Hugh “Once upon a time, a little alpaca lived at the top of a very tall mountain.”
Según el comunicado, Ollama ejecuta Phonon acelerado por MLX, lo que lo hace 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. La empresa señaló que las aplicaciones pueden usar esta funcionalidad a través del endpoint /v1/audio/speech compatible con OpenAI. Además, es posible canalizar la respuesta de un modelo de chat y escucharla mientras se escribe, como en el ejemplo: ollama run gemma4 –hidethinking “Tell me a fun fact about owls in two sentences.” | ollama run phonon.
El comunicado invita a los interesados a escuchar ejemplos y obtener más información en el blog de Ollama, así como consultar la documentación sobre capacidades de voz y la página del modelo Phonon. La compañía no proporcionó detalles adicionales sobre los plazos para el soporte en Windows y Linux, ni sobre otras características de los modelos de voz.