Ollama Mac版上线本地语音合成 支持Phonon模型实测达实时113倍速

Ollama近日宣布其Mac应用正式支持本地文本转语音（TTS）功能，成为首个在桌面端实现全流程本地化AI交互的主流开源平台。该功能首发集成Gradium开发的Phonon系列轻量级语音模型，用户可在无网络、不上传数据前提下，直接于Mac设备将AI生成文本转化为自然语音输出。技术层面，Ollama深度适配Apple Silicon芯片，通过MLX框架调用统一内存架构提升推理效率；在M5 Max MacBook Pro上实测生成45秒语音仅需0.4秒，达实时语速113倍，显著优于CPU多线程（84x）、Neural Engine（43x）及Metal GPU（38x）后端。语音生成采用流式处理机制，支持边生成边播放，接近真人对话节奏。当前用户可通过命令行`ollama run phonon`快速启动服务，并可组合Llama等LLM构建离线语音代理。Ollama明确表示Windows与Linux版本的本地TTS支持即将推出。尽管现阶段Phonon主要支持英文、音色单一且长文本韵律有待优化，但其普惠定位聚焦主流消费级Mac（如M2/M3 Air）的低延迟可用性，区别于高算力依赖方案。此举不仅强化了本地AI隐私与离线能力，也为教育、无障碍辅助及智能家居等场景提供可靠语音接口，推动端侧语音合成从‘可选项’转向‘基础能力’。开源社区已出现Coqui TTS、XTTS等第三方模型接入尝试，预示去中心化本地语音生态加速成型。