Recientemente, Ollama, la plataforma de código abierto para ejecutar modelos grandes localmente, anunció que su aplicación para Mac recibe oficialmente una importante actualización que incorpora por primera vez la función de conversión de texto a voz. Esta actualización marca un avance completo de los asistentes de IA locales desde la fase tradicional de "saber leer y escribir" hacia la fase interactiva de "poder hablar", y las versiones para Windows y Linux también llegarán más adelante.
En cuanto a la tecnología subyacente y la protección de la privacidad, el primer modelo de voz compatible es la serie Phonon desarrollada por Gradium. Este modelo es de tamaño reducido y cuenta con indicadores técnicos avanzados; los usuarios no necesitan depender de ningún servicio en la nube, ya que pueden descargarlo directamente a través de Ollama y ejecutarlo en dispositivos Mac con chips Apple Silicon, lo que se adapta perfectamente a escenarios reales que valoran la privacidad de los datos y el uso sin conexión. Apoyándose en el sistema macOS, Ollama utiliza el marco de aprendizaje automático de código abierto de Apple, MLX, aprovechando al máximo las ventajas de hardware de la arquitectura de memoria unificada de Apple Silicon para mejorar considerablemente la eficiencia de ejecución.
Los datos de pruebas oficiales muestran que, al ejecutar Phonon en un MacBook Pro equipado con el chip M5Max, su velocidad de generación de voz es un 35% más rápida que la propia implementación de Gradium, manteniendo al mismo tiempo una tasa de error de palabras extremadamente baja comparable a la implementación de referencia de Hugging Face Transformers. Además, esta función también admite la generación de voz en tiempo real: los usuarios no necesitan esperar a que la IA genere todo el texto, sino que pueden escuchar la voz correspondiente de forma sincronizada mientras se genera la respuesta, ofreciendo una experiencia de conversación más natural y fluida, similar a la humana.
En cuanto a las voces y los idiomas compatibles, Phonon actualmente incluye modelos independientes para cinco idiomas: inglés, francés, alemán, español y portugués, además de un modelo universal multilingüe compatible con los cinco idiomas, y permite a los usuarios elegir libremente según sus preferencias entre diferentes acentos, como el inglés americano o el británico. Como un proyecto de código abierto muy popular en GitHub, Ollama cuenta actualmente con casi 18.5万... perdón, casi 185.000 Star y alrededor de 18.600 Fork, y sigue ofreciendo a desarrolladores y usuarios comunes una solución conveniente y segura para ejecutar modelos grandes localmente.