اب آپ کا ٹرمنل آپ سے بات کر سکتا ہے، اور مزے کی بات یہ ہے کہ یہ کوئی کلاؤڈ API کال نہیں کرتا۔ ہفتے کو، Ollama نے macOS پر ٹیکسٹ-ٹو-اسپیچ کے ساتھ 0.40.11 جاری کیا۔ پہلا اسپیچ ماڈل Phonon ہے، جو Gradium کا ایک چھوٹا TTS ماڈل فیملی ہے۔ آپ اسے ollama pull phonon کے ساتھ ڈاؤن لوڈ کرتے ہیں اور کسی بھی دوسرے ماڈل کی طرح چلاتے ہیں۔ وہ چیز جس پر ڈویلپرز کو اصل میں توجہ دینی چاہیے وہ API ہے۔ Phonon localhost پر OpenAI کے مطابق /v1/audio/speech اینڈ پوائنٹ کے ساتھ کام کرتا ہے۔ اگر آپ کا کوڈ پہلے سے اسپیچ کے لیے OpenAI SDK استعمال کرتا ہے، تو دستاویزات کہتی ہیں کہ آپ کو صرف ایک نیا بیس URL درکار ہے۔ جب آواز تیار ہو رہی ہوتی ہے تو ریسپانس سٹریم ہوتا رہتا ہے، اس لیے پلے بیک مکمل متن کے ختم ہونے سے پہلے شروع ہو سکتا ہے۔ آپ چیٹ ماڈل کے جواب کو براہ راست Phonon میں پائپ بھی کر سکتے ہیں، اور یہ پہلے جملے کے بعد فوراً بولنا شروع کر دیتا ہے۔ آؤٹ پٹ 24 kHz مونو، ڈیفالٹ طور پر WAV کے طور پر یا اگر آپ درخواست کریں تو را و 16-bit PCM کے طور پر ہوتا ہے۔ دستاویزات میں کچھ حدود درج ہیں جن پر آسانی سے عمل درآمد ہو جاتا ہے۔ ہر درخواست میں زیادہ سے زیادہ 4,096 حروف ہوتے ہیں، حالانکہ ollama run لمبے متن کو آپ کے لیے تقسیم کر دیتا ہے۔ قیمتیں، علامتیں، ای میلز اور URLز کو الفاظ میں بول دیا جاتا ہے، جبکہ عددی تاریخوں کو وaise ہی پڑھا جاتا ہے، اس لیے دستاویزات تجویز کرتی ہیں کہ تاریخوں کو الفاظ میں لکھا جائے۔ غیر محفوظ آپشنز جیسے سپید یا انstructionz 400 ایرر واپس کرتے ہیں، بجائے اس کے کہ انھیں خاموش طور پر نظرانداز کر دیا جائے۔ لائسنسنگ پر اپنے کچھ بھی شپ کرنے سے پہلے توجہ سے پڑھنا ضروری ہے۔ ڈیفالٹ انگلش phonon ماڈل Apache 2.0 ہے۔ 40M فرانسیسی، جرمن، اسپینش، پرتگالز اور متعدد زبانوں والے ویرژنز CC BY-NC 4.0 ہیں، جن سے تجارتی استعمال منع ہے۔ Ollama بھی بتاتا ہے کہ M5 Max MacBook Pro پر اس نے Gradium کے اپنے رنٹائم سے 35 فصد تک تیزتر عمل کیا، جو ان کا بینچ مارک ہے، نہ کہ مستقل بینچ مارک۔ ابھی تک اسپیچ صرف Apple Silicon پر دست-available ہے، جبکہ ونڈوز اور لینکس سپورٹ جلد آنے والے ہیں۔