Ollama 24. října 2026 spustila podporu hlasových modelů, přičemž jako první je dostupný Phonon od společnosti Gradium. Model čte text nahlas v pěti jazycích, streamuje zvuk přímo při generování a na Apple Silicon pracuje více než 100× rychleji než v reálném čase. K dispozici jsou desítky hlasů.
Ollama, nástroj pro lokální spouštění AI modelů, rozšíří svůj záběr za textové modely. Nová podpora hlasové syntézy staví na modelu Phonon od Gradium, který umí streamovat řeč po větách bez čekání na celý výstup.
Výkon na Apple Silicon je zásadní: více než 100× rychleji než reálný čas znamená, že latence pro uživatele bude prakticky nepostřehnutelná. Model zvládá pět jazyků a nabízí desítky hlasových profilů, takže pokryje i vícejazyčné projekty.
Krok posouvá Ollamu od čistě textového nástroje k platformě pro lokální multimodální agenty. Vývojáři, kteří dosud platili za cloudové TTS API, mohou přejít na lokální alternativu bez odesílání dat na server.
Proč by vás to mělo zajímat
Lokální TTS bez cloudového API je zajímavé pro aplikace s citlivými daty nebo s nízkými nároky na latenci. Vyzkoušejte Phonon přes aktuální verzi Ollamy a porovnejte kvalitu hlasu s vaším stávajícím TTS řešením před rozhodnutím o přechodu.
