Ollama trên Mac hỗ trợ chuyển văn bản thành giọng nói bằng Phonon, Windows/Linux sắp có

Tóm tắt nhanh

• Ollama đã bổ sung khả năng text-to-speech trên macOS từ phiên bản 0.40.11, cho phép phát âm thanh hoàn toàn cục bộ trên Apple Silicon.
• Nền tảng dùng Phonon của Gradium làm model nói, với hỗ trợ năm ngôn ngữ: English, French, German, Spanish và Portuguese.
• Mỗi ngôn ngữ có model riêng 40M (ngoại trừ còn model đa ngôn ngữ), và có nhiều giọng khác nhau, bao gồm các accent American và British.
• Ollama nói giọng được phát theo thời gian thực, bắt đầu phát ngay khi câu đầu tiên được sinh ra thay vì chờ toàn bộ phản hồi.
• Trên MacBook Pro M5 Max, Ollama đạt tốc độ sinh giọng nhanh hơn 35% so với runtime của Gradium theo thử nghiệm của Ollama, với cùng word error rate như implementation tham chiếu trên Hugging Face.
• Phonon đưa ra đầu ra 24 kHz mono, mặc định định dạng WAV, và có thể truy cập qua endpoint tương thích OpenAI (/v1/audio/speech).
• Có khác biệt về license: chỉ model tiếng Anh dùng Apache 2.0; các model ngôn ngữ khác cấp dưới CC BY-NC 4.0, giới hạn sử dụng thương mại.
• Windows và Linux được thông báo 'sẽ sớm có', nhưng Ollama chưa đưa ngày phát hành cụ thể.

Tóm tắt tự động bằng AI từ 2 nguồn, có thể có sai sót. Hãy kiểm chứng ở bài gốc.