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, los usuarios deben descargar o actualizar Ollama a la versión 0.40.11 para ejecutar un modelo de voz. Una vez instalada, la herramienta permite generar audio con un comando simple: ollama run phonon “Hello from Ollama.” Además, es posible elegir entre docenas de voces mediante la opción –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.”
El comunicado señala 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. La empresa también indicó que las aplicaciones pueden utilizar el modelo a través del endpoint /v1/audio/speech compatible con OpenAI. Asimismo, 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.
Para conocer las voces y obtener más información, Ollama invita a escuchar ejemplos en su blog, consultar la documentación de voz y visitar la página del modelo Phonon. El comunicado no proporciona detalles adicionales sobre precios, disponibilidad en otros sistemas operativos ni fechas específicas para el soporte en Windows y Linux.