Terminal của bạn hiện có thể phản hồi lại bạn, và điều thú vị là nó làm điều đó mà không cần gọi bất kỳ API đám mây nào. Vào thứ Bảy, Ollama đã phát hành phiên bản 0.40.11 với tính năng text-to-speech trên macOS. Mô hình giọng nói đầu tiên là Phonon, một họ các mô hình TTS nhỏ do Gradium phát triển. Bạn tải nó bằng lệnh ollama pull phonon và chạy nó như bất kỳ mô hình nào khác. Điểm mà các nhà phát triển thực sự quan tâm là API. Phonon hoạt động với endpoint /v1/audio/speech tương thích OpenAI trên localhost. Nếu mã của bạn đã sử dụng OpenAI SDK để xử lý giọng nói, tài liệu cho biết bạn chỉ cần thay đổi URL cơ sở mới. Phản hồi được truyền phát trong khi âm thanh đang được tạo, vì vậy phát lại có thể bắt đầu ngay khi chưa hoàn thành toàn bộ văn bản. Bạn thậm chí có thể chuyển trực tiếp phản hồi từ mô hình trò chuyện vào Phonon, và nó sẽ bắt đầu nói ngay sau câu đầu tiên. Đầu ra là âm thanh mono 24 kHz, mặc định dưới dạng WAV hoặc PCM 16-bit thô nếu bạn yêu cầu. Tài liệu liệt kê một số giới hạn dễ bị vượt quá. Mỗi yêu cầu có thể chứa tối đa 4.096 ký tự, mặc dù ollama run sẽ tự động chia nhỏ văn bản dài hơn cho bạn. Các ký tự, biểu tượng, email và URL được đọc từng chữ cái, trong khi ngày tháng dạng số được đọc nguyên dạng, do đó tài liệu khuyên nên viết ngày tháng dưới dạng chữ. Các tùy chọn không được hỗ trợ như tốc độ hoặc hướng dẫn sẽ trả về lỗi 400 thay vì bị bỏ qua lặng lẽ. Giấy phép cần được đọc kỹ trước khi triển khai bất kỳ sản phẩm nào. Mô hình Phonon tiếng Anh mặc định sử dụng giấy phép Apache 2.0. Các biến thể tiếng Pháp, Đức, Tây Ban Nha, Bồ Đào Nha và đa ngôn ngữ 40M sử dụng giấy phép CC BY-NC 4.0, cấm sử dụng thương mại. Ollama cũng cho biết trên MacBook Pro M5 Max, nó chạy nhanh hơn 35% so với runtime của chính Gradium — đây là kết quả do Gradium công bố chứ không phải đánh giá độc lập. Hiện tại, tính năng giọng nói chỉ hỗ trợ Apple Silicon, với hỗ trợ cho Windows và Linux được liệt kê là sẽ có trong thời gian tới.