Ollama が音声合成に対応：テキストを声に変えるモデル 「Phonon」 の登場
Ollama が、テキストを読み上げて音声に変換する機能を新たに導入しました。Gradium 社が開発した最新の音声モデル 「Phonon」 が、最初のモデルとして利用可能になります。現在は macOS（Apple Silicon 搭載機）で利用でき、Windows や Linux への対応も順次予定されています。
Phonon モデルの性能と特徴
Phonon は、非常に軽量で高品質な音声合成モデルです。Apple Silicon を搭載した Mac では、Apple の機械学習フレームワークである MLX を活用することで、極めて高い処理速度を実現しています。例えば、M5 Max を搭載した MacBook Pro では、他の実行エンジンよりも 35% も高速に動作することが確認されました。また、音声の正確性についても、標準的な実装と同等の高い精度を誇ります。
多彩な言語と音声のバリエーション
利用可能な音声は、コマンドラインのオプションや API を通じて選択できます。
- 英語
- フランス語
- ドイツ語
- スペイン語
- ポルトガル語
- 多言語対応モデル
なお、一部の 40M モデルについては、非営利目的での利用に限定されるライセンスとなっています。
便利な使い方と API 連携
チャットモデルの回答を、そのまま音声として流し込むことが可能です。
/
ollama run gemma4 --hidethinking "Tell me a fun fact about owls in two sentences." | ollama run phononまた、生成された音声を WAV ファイルとして保存することも簡単です。
ollama run phonon "Save this to a file." > speech.wavさらに、OpenAI と互換性のある API を提供しているため、既存のプログラムへの組み込みも容易です。
この機能を利用するメリット
- テキスト情報を音声で受け取りたい、アクセシビリティを重視する開発者
- ローカル環境で、プライバシーを保ちながら高速な音声合成を実現したいエンジニア
- 既存の AI アプリケーションに、手軽に音声機能を統合したいユーザー
まとめ
Ollama の新機能により、ローカルでのテキスト読み上げが非常にスムーズになりました。まずは macOS 環境で、最新の Phonon モデルをぜひ試してみてください。
※ この記事は、Mac mini M4（32GB）環境で ローカル LLM（Ollama / gemma4:26b）と n8n を組み合わせて生成した実験的な記事です。内容は確認していますが、誤りが含まれる可能性があります。正確な情報は公式情報をご確認ください。
源勝よりひとこと
本文中に
他の実行エンジンよりも 35% も高速に動作することが確認されました。
と書いてあるけど、原文を確認すると Gradium 社のランタイムと比較してという意味合いだと僕は把握した。 AI で文章を生成すると若干その点適当というか、ざっくりしてるというか。
それはさておき、Ollama が TTS に対応したのって面白いですね〜。日本語対応のモデルもでてきたらもっと面白そう！
