Ollama ganhou síntese de voz no Mac: Phonon é 35% mais rápido que o runtime nativo
A Ollama, ferramenta para rodar redes neurais no próprio computador, agora consegue ler texto em voz alta. O primeiro modelo de fala da plataforma é o Phonon, da Gradium. No MacBook Pro com chip M5 Max, a Ollama sintetiza a fala 35% mais rápido que o programa de execução nativo da própria Gradium (ptts), e a taxa de erro de reconhecimento de palavras no áudio é igual à da implementação de referência. Na prática, a resposta de um chatbot local pode ser falada sem depender da nuvem, por enquanto apenas no Mac e em inglês.
Processado por IA de Ollama Blog; editado por Hamidun News
Imagine que você rodou um chatbot no seu notebook, ele responde em texto, e você gostaria que ele falasse. Antes, para isso era preciso conectar um serviço de voz em nuvem ou montar uma cadeia com programas separados. Agora a Ollama, ferramenta popular para executar redes neurais localmente, adicionou suporte a modelos de fala. O primeiro é o Phonon, uma família de modelos pequenos de síntese de fala (text-to-speech, ou seja, "texto em voz") da empresa Gradium.
O principal número do lançamento é 35%. É quanto a Ollama supera o concorrente mais próximo: o programa de execução próprio da Gradium, chamado ptts. A medição foi feita em um MacBook Pro com chip Apple M5 Max: o modelo gerou 45 segundos de fala, e o resultado é a mediana de 10 execuções. A velocidade foi medida pela razão entre o tempo de geração e a duração do áudio: quanto maior o valor, mais rápido o áudio fica pronto.
Como testar
Os modelos de fala estão disponíveis por enquanto apenas no macOS; o suporte ao Windows e ao Linux foi prometido para depois. É preciso ter a Ollama na versão 0.40.11 ou superior. Depois, basta um comando: ollama run phonon "Hello from Ollama." — e o computador pronuncia a frase. A voz é escolhida com a flag --voice (no exemplo, a voz Hadley do catálogo da Gradium), e o resultado pode ser salvo em um arquivo WAV com o redirecionamento de saída comum no shell.
A combinação com um modelo de chat também é prática. A resposta pode ser enviada diretamente ao Phonon: o texto é falado conforme chega, então a fala começa após a primeira frase, e não depois da geração completa da resposta. No exemplo do blog, o modelo gemma4 e o Phonon são combinados dessa forma: o primeiro conta um fato sobre corujas, e o segundo lê em voz alta.
O que há de honesto nas medições
No Apple Silicon, a Ollama roda por meio do MLX, framework de aprendizado de máquina da Apple. A comparação com a Gradium, porém, não é exatamente "maçã com maçã": o runtime da Gradium usa uma mistura de formatos — pesos de 8 bits na CPU, fp16 na Neural Engine e f32 na GPU —, enquanto a Ollama executa o modelo em bf16. Além disso, os números foram obtidos pelos próprios autores da Ollama, e ainda não há verificação independente.
A qualidade não caiu com a aceleração. A Ollama comparou a taxa de erro de reconhecimento de palavras (word error rate) com a implementação de referência no Hugging Face Transformers. Para o teste, foram usadas 200 frases em inglês do conjunto de testes Seed-TTS, e o áudio gerado foi transcrito pelo reconhecedor Whisper large-v3. Quanto menos erros, mais compreensível é a fala. O índice da Ollama coincidiu com o da referência: a otimização não prejudicou a pronúncia.
Integração e licenças
Para quem desenvolve, o principal é que o Phonon funciona por meio do endpoint /v1/audio/speech, compatível com a OpenAI. Se o projeto já usa o OpenAI SDK para voz, basta trocar a base URL para http://localhost:11434/v1 e informar qualquer chave, por exemplo "ollama". Há exemplos para curl, Python e JavaScript. A resposta chega em fluxo contínuo e pode ser entregue diretamente a um player como o ffplay, de modo que a reprodução começa quase instantaneamente. O áudio sai em 24 kHz, mono: por padrão em WAV ou em amostras brutas de 16 bits.
Há um detalhe nas licenças. O Phonon é lançado sob Apache 2.0, mas os modelos de 40M são sob CC BY-NC 4.0, ou seja, apenas para uso não comercial. Para uma startup, isso significa que é possível montar um protótipo, mas não lançar um produto pago com esses pesos sem um acordo específico. As condições das demais versões da família devem ser verificadas nos cartões de cada modelo.
Outras limitações: por enquanto, apenas Mac, e todos os exemplos e medições foram feitos em inglês. Nenhum suporte ao português ou ao russo foi anunciado, então não vale contar com isso.
O que fazer
Se você desenvolve um assistente de voz local, um leitor de textos, uma camada de voz para ferramentas internas ou um protótipo de agente falante no Mac, vale testar já: a entrada é um único comando e a troca de URL no código existente. Para projetos comerciais, verifique primeiro a licença do modelo específico e meça a velocidade no seu próprio hardware.
- 21 de nov. de 2026Memória flash para SSD ficou 19–32% mais barata em negociações pontuais — drives podem cair de preço
- 21 de nov. de 2026Unsloth atualizou os modelos comprimidos do Qwen3.8-27B: precisão sobe 5–10% com o mesmo tamanho
- 21 de nov. de 2026IA escreve código vulnerável em 44% dos testes: Positive Technologies dá um scanner aos agentes
- 21 de nov. de 2026Sber lança coluna com GigaChat por 14.990 rublos: a voz entende sem internet
Perguntas frequentes sobre a notícia
Como testar?
Os modelos de fala estão disponíveis por enquanto apenas no macOS; o suporte ao Windows e ao Linux foi prometido para depois. É preciso ter a Ollama na versão 0.40.11 ou superior. Depois, basta um comando: ollama run phonon "Hello from Ollama." — e o computador pronuncia a frase. A voz é escolhida com a flag --voice (no exemplo, a voz Hadley do catálogo da Gradium), e o resultado pode ser salvo em um arquivo WAV com o redirecionamento de saída comum no shell. A combinação com um modelo de chat também é prática.
O que há de honesto nas medições?
No Apple Silicon, a Ollama roda por meio do MLX, framework de aprendizado de máquina da Apple. A comparação com a Gradium, porém, não é exatamente "maçã com maçã": o runtime da Gradium usa uma mistura de formatos — pesos de 8 bits na CPU, fp16 na Neural Engine e f32 na GPU —, enquanto a Ollama executa o modelo em bf16. Além disso, os números foram obtidos pelos próprios autores da Ollama, e ainda não há verificação independente. A qualidade não caiu com a aceleração.
O que se sabe sobre Integração e licenças?
Para quem desenvolve, o principal é que o Phonon funciona por meio do endpoint /v1/audio/speech, compatível com a OpenAI. Se o projeto já usa o OpenAI SDK para voz, basta trocar a base URL para http://localhost:11434/v1 e informar qualquer chave, por exemplo "ollama". Há exemplos para curl, Python e JavaScript. A resposta chega em fluxo contínuo e pode ser entregue diretamente a um player como o ffplay, de modo que a reprodução começa quase instantaneamente.
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.