ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصداركود / SDK · جاهز للعملOllama Blog→ المصدر

Ollama تطلق تحويل النص إلى صوت على Mac: نموذج Phonon أسرع بنسبة 35% من بيئة التشغيل الأصلية

أصبح بإمكان Ollama، البرنامج المخصص لتشغيل الشبكات العصبية على الحاسوب الشخصي، قراءة النص بصوت مسموع، وكان نموذج Phonon من Gradium أول نموذج كلام يدعمه. على MacBook Pro بمعالج M5 Max، تولّد Ollama الصوت أسرع بنسبة 35% من برنامج التشغيل الخاص بـ Gradium (ptts)، بينما يطابق معدل أخطاء التعرّف على الكلمات في الصوت المولَّد معدل التنفيذ المرجعي. وهذا يعني أنه بات ممكنًا تحويل ردّ روبوت الدردشة المحلي إلى صوت دون الاعتماد على السحابة، لكن حاليًا على Mac وباللغة الإنجليزية فقط. يمكن التشغيل بأمر واحد، وتبقى الشيفرة المكتوبة على OpenAI SDK صالحة للاستخدام، إذ يكفي تغيير base URL إلى localhost. لكن للترخيص تفصيلًا مهمًا: نماذج حجم 40M مرخّصة بموجب CC BY-NC 4.0، أي للاستخدام غير التجاري فقط.

معالج بواسطة الذكاء الاصطناعي من Ollama Blog؛ بتحرير Hamidun News
Ollama تطلق تحويل النص إلى صوت على Mac: نموذج Phonon أسرع بنسبة 35% من بيئة التشغيل الأصلية
المصدر: Ollama Blog. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليOllama Blog ↗
رئيس التحرير
التشغيل بأمر واحدollama run phonon "Hello from Ollama."
حقيقة رئيسية #2الشيفرة المبنية على OpenAI SDK تعمل، ويكفي تغيير base URL إلى localhost
حقيقة رئيسية #3نماذج حجم 40M مرخّصة بموجب CC BY-NC 4.0، للاستخدام غير التجاري فقط

تخيّل أنك شغّلت روبوت دردشة على حاسوبك المحمول، فيجيب نصًّا، وتودّ لو أنه يتحدث. كان ذلك يتطلب سابقًا ربط خدمة تحويل نص إلى صوت سحابية، أو تجميع سلسلة من البرامج المنفصلة. أما الآن فقد أضافت Ollama، الأداة الشهيرة لتشغيل الشبكات العصبية محليًا، دعمًا لنماذج الكلام. وكان Phonon أول هذه النماذج، وهو عائلة من نماذج تركيب الكلام الصغيرة (text-to-speech، أي «تحويل النص إلى صوت») من شركة Gradium.

الرقم الأبرز في الإصدار هو 35%. بهذه النسبة تتفوّق Ollama في السرعة على أقرب منافس لها، وهو برنامج التشغيل الخاص بـ Gradium المسمّى ptts. أُجري القياس على MacBook Pro بمعالج Apple M5 Max: ولّد النموذج 45 ثانية من الكلام، والنتيجة هي الوسيط من 10 تشغيلات. وقيست السرعة بعدد المرات التي يكون فيها التوليد أسرع من الكلام نفسه: كلما ارتفع الرقم، جاهز الصوت أسرع.

كيف تجرّبه

نماذج الكلام متاحة حاليًا على macOS فقط، أما Windows وLinux فالوعد بدعمهما لاحقًا. يلزم تثبيت Ollama بالإصدار 0.40.11 أو أحدث. بعد ذلك يكفي أمر واحد: ollama run phonon "Hello from Ollama." ليلفظ الحاسوب العبارة. يُختار الصوت عبر الخيار --voice (في المثال، صوت Hadley من كتالوج Gradium)، ويمكن حفظ الناتج في ملف WAV بإعادة توجيه المخرجات المعتادة في shell.

والربط مع نموذج الدردشة مريح أيضًا. يمكن تمرير الرد مباشرة إلى Phonon: يُقرأ النص أثناء ورود أجزائه، ولذلك يبدأ الكلام بعد الجملة الأولى لا بعد اكتمال توليد الرد كاملًا. في المثال الوارد في المدونة، رُبط نموذج gemma4 مع Phonon: الأول يروي معلومة عن البوم، والثاني يقرؤها بصوت مسموع.

ماذا عن دقة القياسات

تعمل Ollama على Apple Silicon عبر MLX، وهو إطار تعلّم الآلة من Apple. غير أن المقارنة مع Gradium ليست «تفاحًا بتفاح» تمامًا: تستخدم بيئة تشغيل Gradium مزيجًا من الصيغ، إذ تعتمد أوزانًا بدقة 8 بت على المعالج، وfp16 على Neural Engine، وf32 على نواة الرسوميات، بينما تشغّل Ollama النموذج بصيغة bf16. إضافة إلى ذلك، حصل مطوّرو Ollama أنفسهم على هذه الأرقام، ولا يوجد حتى الآن تحقق مستقل.

لم تتراجع الجودة مع التسريع. قارنت Ollama نسبة أخطاء التعرّف على الكلمات (word error rate) مع التنفيذ المرجعي في Hugging Face Transformers. وللاختبار، أُخذت 200 جملة إنجليزية من مجموعة اختبار Seed-TTS، ومُرّر الصوت المولَّد عبر نموذج التعرّف Whisper large-v3. كلما قلّت الأخطاء، كان الكلام أوضح. وقد طابق مؤشر Ollama المؤشر المرجعي: فلم يُفسد التحسين النطق.

التكامل والتراخيص

الأهم للممارسين أن Phonon يعمل عبر نقطة النهاية المتوافقة مع OpenAI، وهي /v1/audio/speech. فإذا كان المشروع يستخدم OpenAI SDK لتحويل النص إلى صوت أصلًا، يكفي تغيير base URL إلى http://localhost:11434/v1 وتحديد أي مفتاح، مثل «ollama». والأمثلة متوفرة لـ curl وPython وJavaScript. يصل الرد على شكل تدفق، ويمكن تمريره فورًا إلى مشغّل مثل ffplay، ولذلك يبدأ التشغيل شبه فوري. يخرج الصوت بتردد 24 كيلوهرتز وأحادي القناة: بصيغة WAV افتراضيًا أو عينات خام بدقة 16 بت.

وفي التراخيص مأخذ. فقد صدر Phonon بترخيص Apache 2.0، أما نماذج حجم 40M فبترخيص CC BY-NC 4.0، أي للاستخدام غير التجاري فقط. وهذا يعني للشركة الناشئة أن بناء نموذج أولي ممكن، لكن إطلاق منتج مدفوع على هذه الأوزان غير جائز دون اتفاق منفصل. أما شروط الأحجام الأخرى في العائلة فمن الأفضل التحقق منها في بطاقات النماذج.

والقيود الأخرى: الدعم حاليًا على Mac فقط، وجميع الأمثلة والقياسات خاصة باللغة الإنجليزية. لم يعلن أحد في المادة المصدرية دعم اللغة الروسية، فلا ينبغي التعويل عليه.

ما العمل

إذا كنت تبني مساعدًا صوتيًا محليًا، أو أداة قراءة، أو تحويلًا صوتيًا لأدوات داخلية، أو نموذجًا أوليًا لوكيل ذكي بصوت على Mac، فتجربة Phonon تستحق الآن: مدخلها أمر واحد وتغيير عنوان URL في الشيفرة الموجودة. أما المشاريع التجارية فتحقق أولًا من ترخيص النموذج المحدد، وقِس السرعة بنفسك على عتادك.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول كيف تجرّبه؟

نماذج الكلام متاحة حاليًا على macOS فقط، أما Windows وLinux فالوعد بدعمهما لاحقًا. يلزم تثبيت Ollama بالإصدار 0.40.11 أو أحدث. بعد ذلك يكفي أمر واحد: ollama run phonon "Hello from Ollama." ليلفظ الحاسوب العبارة. يُختار الصوت عبر الخيار --voice (في المثال، صوت Hadley من كتالوج Gradium)، ويمكن حفظ الناتج في ملف WAV بإعادة توجيه المخرجات المعتادة في shell. والربط مع نموذج الدردشة مريح أيضًا.

ما أبرز التفاصيل حول ماذا عن دقة القياسات؟

تعمل Ollama على Apple Silicon عبر MLX، وهو إطار تعلّم الآلة من Apple. غير أن المقارنة مع Gradium ليست «تفاحًا بتفاح» تمامًا: تستخدم بيئة تشغيل Gradium مزيجًا من الصيغ، إذ تعتمد أوزانًا بدقة 8 بت على المعالج، وfp16 على Neural Engine، وf32 على نواة الرسوميات، بينما تشغّل Ollama النموذج بصيغة bf16. إضافة إلى ذلك، حصل مطوّرو Ollama أنفسهم على هذه الأرقام، ولا يوجد حتى الآن تحقق مستقل. لم تتراجع الجودة مع التسريع.

ما أبرز التفاصيل حول التكامل والتراخيص؟

الأهم للممارسين أن Phonon يعمل عبر نقطة النهاية المتوافقة مع OpenAI، وهي /v1/audio/speech. فإذا كان المشروع يستخدم OpenAI SDK لتحويل النص إلى صوت أصلًا، يكفي تغيير base URL إلى http://localhost:11434/v1 وتحديد أي مفتاح، مثل «ollama». والأمثلة متوفرة لـ curl وPython وJavaScript. يصل الرد على شكل تدفق، ويمكن تمريره فورًا إلى مشغّل مثل ffplay، ولذلك يبدأ التشغيل شبه فوري. يخرج الصوت بتردد 24 كيلوهرتز وأحادي القناة: بصيغة WAV افتراضيًا أو عينات خام بدقة 16 بت. وفي التراخيص مأخذ.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…