← 返回列表

新工具 Ollama Blog · ollama.com/blog/speech-models

用 Ollama 的 Phonon 语音模型把文字读成语音并导出 WAV

在本机输入一段文字，得到多语言、可换音色、边生成边播放的语音，也能存成 24 kHz 单声道 WAV 文件。

开始尝试

效果

原站提供了未编辑的输出示例：Voice 与 Language 部分的示例音频注明为“Unedited output from Ollama 0.40.11 on a MacBook Pro with M5 Max”；另有吞吐图表（实时倍速，M5 Max 上生成 45 秒语音、10 次运行取中位数）和词错率图表（Seed-TTS 英语测试集 200 句，用 Whisper large-v3 转写，越

这是什么

新在哪里：以前在 Ollama 里只能跑对话和嵌入模型，本地 TTS 要另装引擎或调云端；现在一条 ollama run phonon 就能朗读文本，还提供 OpenAI 兼容的语音接口。

怎么做到的：安装 Ollama 0.40.11 或更高版本后 ollama pull phonon；用 ollama run phonon "文本" 直接朗读，用 --voice 换音色，用 > speech.wav 保存文件；也可把对话模型输出管道给 phonon 逐句朗读，或向 localhost:11434/v1/audio/speech 发请求、用 OpenAI SDK 只改 base URL 调用。

适合谁
想把文本转语音放在本地跑、手头是 Apple Silicon Mac 的用户。
能帮你
用一条命令在本地得到可流式播放、多音色多语言的语音，并复用现有 OpenAI 语音接口代码。

评分 三项分开看，不合成总分；热度不等于好用

新颖性
全新做法 · 2026-10-24 出现
热度
未知
易上手
需要一些准备
怎么评的

三项都由本站记录的事实按固定规则算出，编辑不能直接改档位；规则改动会写进更新说明。

新颖性

  • ●●● 全新做法，且有来源依据的出现时间在最近 30 天内
  • ●●○ 老工具新用法或近期刚开放，且有来源依据的时间在最近 30 天内
  • ●○○ 出现时间超过 30 天、未核实到精确日期，或已不再是新做法
  • 其他 出现时间未核实、晚于今天，或新颖类型未核实时按最低一档处理，不靠猜测加分

热度

  • ●●● 最近一次每周人工确认为“热门”：最近 14 天里独立讨论、实际案例、持续时间、传播平台、相对关注五项门槛全部满足（规则 heat-v1）
  • ●●○ 最近一次人工确认为“观察中”：前三项至少一项达到，或讨论增长 ≥ 50%，且至少 2 个独立案例
  • ●○○ 最近一次人工确认为“未进入跟踪”
  • 其他 还没有人工确认过的热度记录时显示“未知”。热度只统计本站已接入的信源，不代表全网

易上手

  • ●●● 准备门槛低且难度入门：不需要新账号或付费，首次尝试不超过 30 分钟，公开可用，会复制粘贴即可
  • ●●○ 准备门槛中等，或门槛低但需要改少量代码或配置
  • ●○○ 准备门槛高：需要商业软件或付费服务、首次尝试超过 2 小时、特殊硬件或网络、排队或邀请且无替代方案，或需要专业知识
  • 其他 只有介绍、还没有站内步骤，或关键步骤已失效时显示“暂不可试”；门槛未核实时显示“未核实”

怎么尝试

  • 时间 首次约 10 分钟
  • 费用 免费：原文说明安装 Ollama 0.40.11 后 ollama pull phonon 本地运行，未提收费；40M 语言模型限非商业使用。
  • 账号 不需要新账号
  • 环境 macOS，Apple Silicon Mac（MLX 加速），Ollama 0.40.11 或更高版本；流式播放可选 ffplay。
  • 准备 Ollama 0.40.11 或更高版本：提供语音模型运行时与 OpenAI 兼容接口
  • 准备 Apple Silicon Mac：语音模型目前只在 Apple Silicon Mac 上运行
  • 准备 ffplay（可选）（选用）：直接流式播放 curl 返回的音频

按下面的步骤就能做出第一个结果。复制命令不会自动执行。

  1. 安装 Ollama 0.40.11 或更高版本

    从 Ollama 下载页安装，确保版本不低于 0.40.11（语音模型运行在 Apple Silicon Mac 上）。

    预期结果：本机 ollama 可用且版本满足要求

  2. 拉取 Phonon 模型

    下载语音模型。

    终端原始来源命令 
    ollama pull phonon

    预期结果：模型下载完成

  3. 朗读一段文本

    直接运行模型并传入文本，默认音色朗读。想换音色可加 --voice，或改用 ollama show phonon 列出全部音色后指定。

    终端原始来源命令 
    ollama run phonon "Hello from Ollama."

    预期结果：听到朗读出的语音

  4. 换音色朗读

    用 --voice 指定 Gradium 声音目录中的音色。

    终端原始来源命令 
    ollama run phonon --voice Hadley "Hello from Ollama."

    预期结果：听到所选音色的朗读

  5. 保存为 WAV 文件

    把输出重定向到文件；也可不带文本运行 ollama run phonon 在提示符里逐行输入。

    终端原始来源命令 
    ollama run phonon "Save this to a file." > speech.wav

    预期结果：当前目录出现可播放的 speech.wav

  6. 用 OpenAI 兼容接口调用

    向本地 /v1/audio/speech 发请求并保存音频；默认返回 WAV，加 "response_format": "pcm" 可得原始 16 位采样。

    终端原始来源命令 
    curl http://localhost:11434/v1/audio/speech \
-H "Content-Type: application/json" \
-d '{
"model": "phonon",
"voice": "Zoey",
"input": "Hello from Ollama."
}' --output speech.wav

    预期结果：生成 speech.wav，接口在生成音频的同时流式返回

原始来源：Speech models in Ollama ↗