Votre terminal peut désormais vous répondre à voix haute, et le plus drôle, c’est qu’il le fait sans appeler aucune API cloud. Samedi, Ollama a publié la version 0.40.11 avec la synthèse vocale sur macOS. Le premier modèle vocal est Phonon, une famille de petits modèles TTS développés par Gradium. Vous le téléchargez avec `ollama pull phonon` et vous l’exécutez comme n’importe quel autre modèle. La fonctionnalité qui intéressera réellement les développeurs, c’est l’API. Phonon fonctionne avec le point de terminaison `/v1/audio/speech` compatible OpenAI sur localhost. Si votre code utilise déjà le SDK OpenAI pour la voix, la documentation indique que vous n’avez besoin que d’une nouvelle URL de base. La réponse est diffusée en continu pendant la génération de l’audio, ce qui permet de commencer la lecture avant que tout le texte ne soit terminé. Vous pouvez même rediriger directement la réponse d’un modèle de discussion vers Phonon, qui commence à parler dès la première phrase. La sortie est en 24 kHz mono, au format WAV par défaut ou en PCM brut 16 bits si vous le demandez. La documentation mentionne certaines limites faciles à dépasser. Chaque requête peut contenir jusqu’à 4 096 caractères, bien qu’`ollama run` découpe automatiquement les textes plus longs. Les prix, symboles, adresses e-mail et URLs sont prononcés lettre par lettre, tandis que les dates numériques sont lues telles quelles ; la documentation recommande donc d’écrire les dates en toutes lettres. Les options non prises en charge, comme la vitesse ou les instructions, déclenchent une erreur 400 au lieu d’être silencieusement ignorées. La licence mérite une lecture attentive avant de déployer quoi que ce soit. Le modèle anglais par défaut de Phonon est sous licence Apache 2.0. Les variantes en français, allemand, espagnol, portugais et multilingues (40 Mo) sont sous licence CC BY-NC 4.0, ce qui exclut toute utilisation commerciale. Ollama indique également que sur un MacBook Pro M5 Max, il fonctionne 35 % plus rapidement que le runtime propre à Gradium — ce qui constitue leur propre benchmark et non une évaluation indépendante. Pour l’instant, la synthèse vocale est uniquement disponible sur Apple Silicon, avec une prise en charge pour Windows et Linux prévue prochainement.