Ollama v0.40.9 新增语音合成：104MB Phonon 模型边生成边出声
Ollama 10 月 22 日发布 v0.40.9，新增 Speech 能力：ollama run 可以直接把一句话或对话模型的回复读出声，音频边生成边播放；应用可通过 OpenAI 兼容的 /v1/audio/speech 端点流式取音频。承载能力的是 Phonon——Gradium 的文本转语音模型家族，已上架 Ollama 模型库。发布说明将这项能力标注在 Apple Silicon 上。
Phonon：31M/40M 两档，暂无中文
| 项目 | 数值 |
|---|---|
| 模型来源 | Gradium 的 TTS 模型家族 |
| 参数档位 | 31M（英文）/ 40M（多语种） |
| 体积 | 104MB（31M 英文档）/ 123MB（40M 档） |
| 上下文窗口 | 8K（文本输入） |
| 语种 tag | en、de、es、fr、pt、multilingual（暂无中文） |
| 内置声音 | Zoey、Easton、Freya 等，未指定时用 default |
| 输出 | WAV/PCM，16-bit 单声道 24kHz |
官方文档说明默认 tag 走 Gradium 的 31M 英文 checkpoint，ollama show phonon 列出全部声音，声音名大小写与重音符不敏感。模型库共挂 14 个 tag。截至 2026-10-24，HuggingFace 上检索不到 Phonon/Gradium 的官方权重仓，模型库页也未标注权重许可——想核对原始权重与许可条款的，暂时只能以 Ollama 库的分发版为准。
终端用法
# 朗读一句话
ollama run phonon "Hello from Ollama."
# 指定声音
ollama run phonon --voice Zoey "Hi, this is Zoey."
# 把对话模型的回复读出来（管道逐句播放）
ollama run gemma4 --hidethinking "Tell me a fun fact about owls in two sentences." | ollama run phonon
# 重定向即导出 WAV（无扬声器服务器可用）
ollama run phonon "Save this to a file." > speech.wav
管道输入是流式的：对话模型的回复出来头一两句就开始播，不用等全文生成完。ollama run phonon 不带文本进入交互模式，回车一行读一行，/bye 退出。播放走系统自带播放器：macOS 用 afplay，Linux 按序尝试 paplay、pw-play、aplay、ffplay，Windows 用 PowerShell。管理远程服务器时设 OLLAMA_HOST 指过去，音频在执行命令的本机播放。
API：OpenAI 兼容，边生成边推流
/v1/audio/speech 接 model、input、voice 三个主要参数，response_format 支持 wav（默认）与 pcm，均为 16-bit 单声道 24kHz。响应随生成进度推流，客户端可以边收边播：
curl -sN http://localhost:11434/v1/audio/speech \
-H "Content-Type: application/json" \
-d '{"model": "phonon", "input": "Playback starts while the rest is still being generated."}' \
| ffplay -nodisp -autoexit -loglevel error -
Python/JavaScript 的 openai SDK 把 base_url 指到 http://localhost:11434/v1，即可复用 client.audio.speech 接口。
限制也要知道：单次请求 input 上限 4096 字符，ollama run 会自动按段落和句子切分长文；文本按写出的样子读，数字、日期和缩写不会自动展开成单词，想读得自然需自行拼写（写 twenty-one 而不是 21）；emoji、列表符号和 markdown 标记会被跳过。不支持的参数（其他格式、语速、instructions）直接返回 400 而不是静默忽略；语音模型不接受 chat、completion、embedding 请求，同样返回 400。
同版其他更新
- Flint 模型新增 Linux 与 Windows 支持（此前仅 macOS）；
- 流式 OpenAI Responses / Anthropic Messages 请求失败时如实上报，不再在部分输出后静默结束。
次日的 v0.40.10（10 月 23 日）另上了 NVIDIA 的 Nemotron 3.5 Bolt E4B 视觉模型，与本版 Speech 能力无关；10 月 24 日的 v0.40.11 补齐 macOS 语音合成，同版收录 d3 决策模型（来自 vLLM Semantic Router 项目，2B/4B/9B/27B 四档，对文本、结构化状态或图片做分类、是否判断和带概率的打分）。要用语音合成认准 0.40.9 及以上，macOS 认准 0.40.11 及以上。
参考链接
- GitHub Release v0.40.9（Speech / d3 / Flint 更新说明）— https://github.com/ollama/ollama/releases/tag/v0.40.9
- Ollama 官方文档：Speech — https://docs.ollama.com/capabilities/speech
- Ollama 模型库：phonon（14 个 tag 与体积）— https://ollama.com/library/phonon
- GitHub Release v0.40.10（Nemotron 3.5 Bolt E4B 上新）— https://github.com/ollama/ollama/releases/tag/v0.40.10