10月24日，Ollama 正式给自家应用加上文本转语音（TTS）：文字可以在苹果芯片 Mac 上本地转成语音，不需要云端服务，也不用 API 密钥，Windows 和 Linux 版官方说法是“即将到来”。首批接入的是 Gradium 的 Phonon，按该公司自己的说法，这是其第一个“开放、端侧”语音合成模型。但在把“数据不出门”当真之前，一条最影响判断的硬边界要先看清：它支持的语言只有英、法、德、西、葡五种，没有中文。Ollama官方博客Gradium官网小红书
对配音创作者来说，云端语音合成的门槛从来不是钱，而是文案必须先传出去——未公开的产品资料、签了保密协议的内训稿、含个人信息的文本，多数在上传这一步就被合规拦下。本地合成补的正是这块，媒体把这轮更新概括成四个字：“数据不出门”。有社区日报把它的应用场景归为离线助手、文本朗读和隐私敏感的语音应用。微博知乎
“数据不出门”需要同时满足三个条件
全流程只有首次下载模型这一步需要联网，合成本身在本机完成；官方页面写明，语音包要求 Apple Silicon，并且需要 0.40.9 或更新版本的 Ollama。社区教程给的自验方法更直接：等模型正常回复后断网再试一次，还能出声，说明合成确实不依赖网络。Ollama官网知乎
两类情况不在“不出门”范围内。一是用 OLLAMA_HOST 把合成放到远端机器——官方文档的用法就是把本地客户端指向服务器，文字离开了当前电脑，只是没出你自己的网络。二是想要“克隆音色”：这一版开源权重里只有预设音色，声音克隆是 Gradium 官网单列的付费 API 服务，一旦使用，样本就要交给他们的云端。如果你的“敏感”细到“连声纹都不能上传”，现阶段它帮不上。Ollama官方文档Gradium官网
三步拿到配音成品文件
升级 Ollama 后执行 `ollama pull phonon` 下载默认模型。终端里 `ollama run phonon “要朗读的文案”` 即时朗读，加 `–voice` 指定音色，`ollama show phonon` 能列出全部可用音色，追加 `> speech.wav` 则把输出转存成文件而不是播放。Ollama官方文档Ollama官方博客
接进自己的管线走 OpenAI 兼容的 `/v1/audio/speech` 接口即可，调用 OpenAI SDK 的代码只需要换一个新 base URL。把聊天模型的回答直接喂给 Phonon，文字到了嘴边就被读出来，首句一完成就能开听。Ollama官方博客Ollama官方文档
交付之前，坑在文案里，也在授权里
官方文档把限制写得很清楚：单次请求上限 4096 个字符，长文本由命令行按段落和句子自动切开。输出固定为 24 kHz 单声道 WAV，可直接导入剪辑软件。Ollama官方文档Ollama官网
喂给模型的文字只该包含“准备被读出来”的部分——Markdown 标题这类格式记号也可能被原样念出。正式交付前，人名、数字和停顿都要人工试听一遍。Ollama官网小红书
授权分两档：31M 英语模型是 Apache 2.0，允许商用；40M 各语言及五语模型全部是 CC BY-NC 4.0，只限非商业用途。性能口径上，官方宣称 Apple Silicon 的生成速度超过实时 100 倍；有社区整理进一步写明：M5 Max 生成 45 秒语音取 10 次中位数，达到 113 倍实时、比 Gradium 自家 CPU 运行时快约 35%，词错率与 Hugging Face 参考实现持平。这些均为厂商单机自报，暂无第三方复现，音色和速度建议在自己的设备上验证后再接单。Ollama官方博客小红书
文案是中文，怎么办
官方没有公布中文支持的时间表，中文本地配音目前只能走其他开源路线，比如 Kokoro 的 ONNX 整合方案，按发布视频的说法无需显卡、纯 CPU 可用、自带 103 个音色。IndexTTS 一类项目则支持声音克隆与本地部署。它们都不经过 Ollama，需要单独搭建环境或使用社区整合包。哔哩哔哩知乎
还有一条提醒与是否离线无关：本地优先意味着云端平台内置的内容审核机制一并消失，合成音频的标识合规义务转到了使用者个人。知乎
这次更新的真正意义，是把“不联网合成语音”从极客整合包变成装机可用的官方功能。但作为“敏感内容配音”工具，它目前只对英文等五种语言开门——语言、授权、音色三个条件同时成立，“数据不出门”这句话才轮得到你的文案。
