Mac 版 Ollama 新增离线生成 AI 语音：数据不出门，速度比原方案最高快 35%

AI 总结
• Ollama 于 10 月 24 日宣布 Mac 版正式上线文本转语音（TTS）生成功能，Windows 和 Linux 版本随后跟进。
• 首发支持的语音模型为 Gradium 开发的 Phonon 系列，采用 Apple Silicon Mac 专属的 MLX 框架，数据无需上传云端即可离线运行。
• 官方测试显示，在 M5 Max MacBook Pro 上，Phonon 的语音生成速度比 Gradium 自身实现快 35%，且词错误率与参考实现相当。
• 新功能支持实时语音生成，用户可在 AI 回答生成过程中同步听到语音，交互体验更接近自然对话。
• Phonon 目前提供英、法、德、西、葡五种语言的独立模型及多语言模型，并支持美式或英式英语等多种口音音色。

IT之家 10 月 27 日消息，本地运行 AI 模型的开源平台 Ollama 于 10 月 24 日宣布， 其 Mac 应用正式支持文本转语音（TTS）生成， Windows 和 Linux 版本也将随后跟进。

科技媒体 9to5Mac 认为这是 Ollama 首次加入语音生成能力，让本地 AI 从“能读会写”进一步迈向“能开口说话”。

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，用户无需依赖云端服务，可通过 Ollama 直接下载并在 Apple Silicon Mac 上运行，更适合注重隐私、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 的统一内存架构来提升运行效率。



官方测试显示，在搭载 M5 Max 芯片的 MacBook Pro 上，Phonon 在保持了与 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。

IT之家援引博文介绍，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 是 GitHub 上广受欢迎的 AI 开源项目之一，拥有近 18.5 万颗 Star 和约 1.86 万个 Fork 分叉，用户可以在本地下载、运行开放 AI 模型，也可按需接入云端更强大的模型。

[来源链接] https://www.ithome.com/1/018/228.htm