
Ollama Mac端迎来离线语音生成更新
主打本地部署AI模型的开源项目Ollama,在十月二十四日对外公布一项重要更新,Mac客户端正式加入文本转语音的生成能力。Windows与Linux平台的适配工作正在推进,后续版本才会开放相关功能Ollama。
有海外科技媒体点评,这次更新属于Ollama产品历程里的一次重要突破。在此之前,该工具主要聚焦文本的输入输出,现在本地AI不再局限读写交互,真正具备语音输出的能力,进一步拓宽了离线AI的实际使用场景。
本次功能配套的语音模型来自Gradium开发的Phonon系列。这套模型整体体积小巧,综合性能表现不俗。用户不需要调用外部云端接口,直接在设备本地下载模型文件就可以完成全部语音运算,所有处理过程都发生在本机,原始数据不会向外传输,很适合看重信息隐私、经常处在断网环境的使用者,专门适配AppleSilicon架构的Mac设备运行。
依托MLX框架,实现性能大幅提升
针对macOS系统,Ollama深度调用苹果开源机器学习工具MLX,充分发挥AppleSilicon芯片统一内存架构的硬件优势,以此拉高语音模型的运行效率。
官方开展了多组对比测试,测试设备选用搭载M5Max芯片的MacBookPro。在词错误率和HuggingFaceTransformers参考实现保持同一水准的前提下,这套方案语音生成速度相比Gradium原生实现提升百分之三十五Ollama。性能上涨的同时,语音输出质量没有出现明显衰减,兼顾速度与效果。
新功能还支持流式实时语音输出。以往不少TTS工具,需要等待全部文本内容生成完毕之后,才会一次性输出完整音频。而Ollama这套本地方案,可以一边产出文字回答,一边同步播放对应的语音,使用者不用长时间等待,对话的流畅感会更贴近人与人之间的日常交流。
多语言多口音,丰富语音选择空间
Phonon模型在语言支持层面有着不错的覆盖范围。目前提供英语、法语、德语、西班牙语、葡萄牙语五套独立单语言模型,同时还有一套整合五种语言的多语言版本可供调用。
在语音音色上,用户还能够切换不同口音,例如美式英语、英式英语等不同发音风格,方便不同地区使用者挑选贴合自身习惯的人声效果。不管是做本地朗读、语音脚本生成,还是搭建私人离线语音助手,都有充足的选择余地
热门开源项目,兼顾本地与云端使用
Ollama是GitHub社区热度很高的AI开源项目,仓库收获接近十八点五万颗Star,Fork数量约一点八六万个。它降低普通用户本地跑大模型的门槛,使用者既可以下载各类开源模型完全在本机运算,也可以根据实际需求对接云端高性能模型,灵活切换不同的工作模式。
随着本地AI生态持续演进,文本转语音这类多媒体能力正逐步下沉到终端设备。把语音能力放在本地设备运行,能够规避网络延迟,同时保护用户输入内容隐私。Ollama本次更新,也代表本地AI不再只是简单的文字问答工具,正在向着完整多媒体交互方向持续演进。
本文由智算芯能前沿网编辑整理,转载请注明出处。
