Récemment, la plateforme open source d'exécution de grands modèles locaux Ollama a annoncé que son application Mac bénéficiait officiellement d'une mise à jour majeure, intégrant pour la première fois une fonction de synthèse vocale (text-to-speech). Cette mise à niveau marque une avancée complète des assistants IA locaux, qui passent de l'interaction traditionnelle « savoir lire et écrire » au stade de l'interaction « savoir parler », et les versions Windows et Linux suivront également ensuite.
Sur le plan de la technologie sous-jacente et de la protection de la vie privée, le premier modèle vocal pris en charge est la série Phonon développée par Gradium. Ce modèle, à la fois compact et doté de caractéristiques techniques avancées, permet aux utilisateurs de le télécharger directement via Ollama et de l'exécuter sur des Mac équipés de puces Apple Silicon, sans dépendre d'aucun service cloud, ce qui correspond parfaitement aux scénarios d'utilisation hors ligne et soucieux de la confidentialité des données. En s'appuyant sur macOS, Ollama utilise MLX, le framework d'apprentissage automatique open source d'Apple, exploitant pleinement les avantages matériels de l'architecture de mémoire unifiée d'Apple Silicon pour améliorer considérablement l'efficacité d'exécution.
Les données de tests officielles montrent que, lorsqu'il est exécuté sur un MacBook Pro équipé de la puce M5Max, Phonon génère la voix 35 % plus vite que l'implémentation de Gradium elle-même, tout en maintenant un taux d'erreur par mot extrêmement bas comparable à celui de l'implémentation de référence Hugging Face Transformers. De plus, cette fonction prend en charge la génération vocale en temps réel : les utilisateurs n'ont pas besoin d'attendre que l'IA ait produit l'intégralité du texte, et peuvent entendre la voix correspondante en même temps que la génération de la réponse, offrant ainsi une expérience de conversation humaine plus naturelle et fluide.
Concernant les timbres et les langues prises en charge, Phonon couvre actuellement des modèles distincts pour cinq langues : l'anglais, le français, l'allemand, l'espagnol et le portugais, et propose également un modèle universel multilingue prenant en charge les cinq langues, tout en permettant aux utilisateurs de choisir librement différents accents, tels qu'américain ou britannique, selon leurs préférences. En tant que projet open source très populaire sur GitHub, Ollama compte déjà près de 18.5万 (185 000) étoiles et environ 1.86万 (18 600) Fork, offrant de manière continue aux développeurs comme aux utilisateurs ordinaires une solution pratique et sécurisée d'exécution locale de grands modèles.