近日，本地运行大模型的开源平台Ollama宣布其Mac应用正式迎来重大更新，首次加入文本转语音功能。这一升级标志着本地AI助手正从传统的“能读会写”向“能开口说话”的交互阶段全面迈进，而Windows和Linux版本也将随后跟进。
在底层技术与隐私保护方面，首个获得支持的语音模型为Gradium开发的Phonon系列。该模型体积小巧且技术指标先进，用户无需依赖任何云端服务，即可通过Ollama直接下载并在Apple Silicon芯片的Mac设备上运行，非常契合注重数据隐私和离线使用的实际场景。依托macOS系统，Ollama采用了苹果开源的机器学习框架MLX，充分挖掘了Apple Silicon统一内存架构的硬件优势来大幅提升运行效率。
官方测试数据表明，在搭载M5Max芯片的MacBook Pro上运行Phonon时，其语音生成速度比Gradium自身实现还要快上35%，同时保持了与Hugging Face Transformers参考实现相当的极低词错误率。此外，该功能还支持实时语音生成，用户无需等待AI将整段文本全部输出，便能在回答生成的过程中同步听到对应的语音，带来了更加自然流畅的类人对话体验。
在具体音色与语言支持上，Phonon目前涵盖英语、法语、德语、西班牙语和葡萄牙语这五种语言的独立模型，并配备了支持全部五种语言的多语言通用模型，同时允许用户根据喜好自由选择美式或英式等不同口音。作为GitHub上备受欢迎的开源项目，Ollama目前已拥有近18.5万颗Star和约1.86万个Fork，持续为开发者和普通用户提供便捷、安全的本地大模型运行方案。
