本地大模型终于会说话了，但中文用户先别急着高兴。
Ollama 在 10 月 24 日官宣支持文本转语音，首个模型是 Gradium 的 Phonon。一条命令 ollama run phonon 就能出声，--voice 挑音色，重定向一下直接存 WAV。
它兼容 /v1/audio/speech 接口，支持流式输出，默认 24kHz 单声道 WAV，也能吐原始 16 位 PCM。
但目前只跑在 Apple Silicon Mac 上，还得 Ollama 0.40.11 以上，Windows 和 Linux 还得等。语言支持英语、法语、德语、西语、葡语五种，中文压根没列进去。
许可也得看清楚：默认 Phonon 是 Apache 2.0，但 40M 那个模型挂的是 CC BY-NC 4.0，商用直接劝退。
官方在 M5 Max 上测出 45 秒语音，取 10 次中位数，比 Gradium 自家运行时快 35%——这是 M5 Max 的成绩，别拿去当所有机器的通用结论。
本地语音这条路是通了，但离“人人可用、随便商用”还差得远。
正文完