Terminal Anda sekarang dapat berbicara kembali kepada Anda, dan yang lucu adalah ia melakukannya tanpa memanggil API cloud apa pun. Pada Sabtu, Ollama merilis 0.40.11 dengan text-to-speech di macOS. Model bicara pertama adalah Phonon, keluarga model TTS kecil dari Gradium. Anda mengunduhnya dengan ollama pull phonon dan menjalankannya seperti model lainnya. Bagian yang benar-benar akan menjadi perhatian pengembang adalah API. Phonon bekerja dengan endpoint /v1/audio/speech yang kompatibel dengan OpenAI di localhost. Jika kode Anda sudah menggunakan OpenAI SDK untuk suara, dokumentasi mengatakan Anda hanya perlu URL dasar baru. Respons streaming saat audio sedang dihasilkan, sehingga pemutaran dapat dimulai sebelum teks sepenuhnya selesai. Anda bahkan dapat mengalirkan balasan model obrolan langsung ke Phonon, dan ia mulai berbicara setelah kalimat pertama. Output adalah 24 kHz mono, secara default dalam format WAV atau PCM 16-bit mentah jika Anda memintainya. Dokumentasi mencantumkan beberapa batasan yang mudah dilanggar. Setiap permintaan dapat menampung hingga 4.096 karakter, meskipun ollama run membagi teks yang lebih panjang untuk Anda. Harga, simbol, email, dan URL dieja secara huruf per huruf, sementara tanggal numerik dibaca sesuai penulisannya, sehingga dokumentasi menyarankan menulis tanggal dalam bentuk kata-kata. Opsi yang tidak didukung seperti kecepatan atau instruksi mengembalikan kesalahan 400 alih-alih diabaikan diam-diam. Lisensi patut dibaca dengan cermat sebelum Anda merilis apa pun. Model Phonon bahasa Inggris default berlisensi Apache 2.0. Varian Prancis, Jerman, Spanyol, Portugis, dan multibahasa 40M berlisensi CC BY-NC 4.0, yang melarang penggunaan komersial. Ollama juga menyatakan bahwa di MacBook Pro M5 Max, ia berjalan 35 persen lebih cepat daripada runtime milik Gradium sendiri, yang merupakan tolok ukur mereka, bukan yang independen. Suara saat ini hanya tersedia untuk Apple Silicon, dengan dukungan Windows dan Linux tercantum akan segera hadir.