يمكن الآن لواجهة الأوامر الخاصة بك أن ترد عليك، والمضحك أن ذلك يحدث دون الاتصال بأي واجهة برمجة تطبيقات سحابية. في السبت، أصدرت Ollama الإصدار 0.40.11 مع ميزة تحويل النص إلى كلام على macOS. أول نموذج للكلام هو Phonon، وهو عائلة من نماذج TTS الصغيرة من Gradium. تقوم بجلبه باستخدام ollama pull phonon وتشغيله مثل أي نموذج آخر. الجانب الذي سيهتم به المطورون حقًا هو واجهة برمجة التطبيقات. يعمل Phonon مع نقطة النهاية /v1/audio/speech المتوافقة مع OpenAI على localhost. إذا كان كودك يستخدم بالفعل مكتبة OpenAI للكلام، فتقول الوثائق إنك تحتاج فقط إلى عنوان URL أساسي جديد. يتم تدفق الاستجابة أثناء توليد الصوت، لذا يمكن بدء التشغيل قبل اكتمال النص بالكامل. يمكنك حتى توصيل رد نموذج المحادثة مباشرة إلى Phonon، ويبدأ في التحدث بعد الجملة الأولى. الإخراج هو 24 كيلو هرتز أحادي، كـ WAV افتراضيًا أو PCM خام 16 بت إذا طلبت ذلك. تسرد الوثائق بعض القيود التي يسهل تجاوزها. كل طلب يأخذ ما يصل إلى 4,096 حرفًا، على الرغم من أن ollama run يقسم النصوص الأطول لك. يتم تهجئة الرموز والأسعار والبريد الإلكتروني والعناوين URL، بينما تُقرأ التواريخ الرقمية كما هي مكتوبة، لذا تقترح الوثائق كتابة التواريخ بالكلمات. تعيد الخيارات غير المدعومة مثل السرعة أو التعليمات خطأ 400 بدلاً من تجاهلها بهدوء. تستحق الترخيص قراءة دقيقة قبل إصدار أي شيء. نموذج Phonon الإنجليزي الافتراضي هو Apache 2.0. النسخ المتنوعة الفرنسية والألمانية والإسبانية والبرتغالية ومتعددة اللغات بحجم 40M هي CC BY-NC 4.0، والتي تستبعد الاستخدام التجاري. كما تقول Ollama أنه على MacBook Pro M5 Max، عمل بسرعة 35 بالمائة أسرع من وقت التشغيل الخاص بـ Gradium، وهو معيارهم وليس معيارًا مستقلًا. الكلام مدعوم فقط على Apple Silicon حاليًا، مع دعم Windows وLinux مدرج كمُقبل قريبًا.