Ollama 0.40.11 支持文字转语音：首个模型 Phonon 在 M5 Max 上比 Gradium 自家运行时快 35%
本地跑模型的工具开始管「出声」。这一条讲 Phonon 支持什么、怎么接、许可证上有什么坑。
// 要点
- 首个语音模型是 Gradium 的小型 TTS 模型 Phonon，目前只支持 macOS（Apple Silicon，经 MLX 加速），Windows 与 Linux 稍后支持；需要 Ollama 0.40.11 及以上。
- 官方在 MacBook Pro M5 Max 上测得比次快的 Gradium 自家运行时快 35%；在 Seed-TTS 英文测试集 200 句上，词错率与 Hugging Face Transformers 参考实现持平。
- 兼容 OpenAI 的 /v1/audio/speech 接口，现有 OpenAI SDK 代码改 base URL 即可；边生成边流式返回，24 kHz 单声道，默认 WAV，也可取 PCM。
- phonon 主模型为 Apache 2.0；法、德、西、葡和多语种的 40M 模型为 CC BY-NC 4.0，只能非商用。
开发者视角智能面试这类要「开口说话」的产品，我会先拿 Phonon 在 Mac 上做一版本地语音原型，接口和 OpenAI 一样，切回云端几乎零成本。但上线前先看许可证：只有英文主模型能商用，中文还没有，多语种那几个是非商用。