Phonon: Gradiums Text-to-Speech-Modelle jetzt in Ollama

Worum es geht

Gradium stellt seine Text-to-Speech-Familie Phonon über die Ollama-Bibliothek bereit. Die Modelle wandeln Text in gesprochenes Audio um, und zwar bereits während der Generierung. Das eignet sich etwa, um Assistenten-Antworten vorzulesen oder lokalen Apps eine Stimme zu geben.

Die wichtigsten Fakten

• Standardmodell ist Phonon 31M English mit einer Stimme namens „default“.
• Für weitere Sprachen gibt es 40M-Varianten: Englisch, Französisch, Deutsch, Spanisch, Portugiesisch sowie einen multilingualen Checkpoint.
• Lizenz: Das 31M-English-Modell steht unter Apache 2.0, die 40M-Modelle unter CC BY-NC 4.0 (nur nicht-kommerziell).
• Ausgabe: 24 kHz, mono.
• Voraussetzung: Apple Silicon und Ollama 0.40.9 oder neuer.
• Start mit ollama run phonon "Text"; Markdown-Formatierung kann mitgesprochen werden.
• Zum Speichern von Audio gibt es einen Ollama Speech Guide.

Einordnung

Sehr kleine TTS-Modelle, die lokal in Ollama laufen, senken die Hürde für Sprachausgabe in eigenen Projekten deutlich. Einschränkend: Die Pakete sind auf Apple Silicon begrenzt, und die mehrsprachigen Modelle dürfen nicht kommerziell genutzt werden. Zur Sprachqualität nennt die Quelle keine Benchmarks.