2026年10月24日，Ollama 发布 0.40.11 版本，Mac 版第一次能把文字在本地直接生成语音，首批接入的语音模型是 Gradium 的 Phonon 系列。 装上模型只需约 113MB 的下载量，终端敲几条命令就能把文字变成从扬声器播放的语音，也能直接导出 WAV 文件交给剪辑软件；推理全程跑在 Mac 自己的处理器上，首次下载模型之后，喂进去的文字和生成的音频都不需要离开这台设备。 需要先把预期说清楚：官方目前只提供英语（默认）以及法语、德语、西班牙语、葡萄牙语，没有中文模型；Windows 和 Linux 版官方称"即将到来"。以下流程按 Ollama 官方公告、文档和模型页的当前版本逐条核实。知乎Ollama官方博客Gradium官网
先确认你的 Mac 够不够条件
语音功能只支持 Apple Silicon（M 系列芯片）的 Mac，模型包同时要求 Ollama 0.40.9 及以上，Intel 机型暂不可用。 语音功能则随 0.40.11 发布，当前最新版为 0.40.12，终端用 `ollama --version` 自查，低于要求就从官网重新下载 macOS 安装包覆盖；从未装过的也一样：下载 Ollama.app，打开应用（菜单栏出现图标即就绪），之后在终端使用 `ollama` 命令。 内存压力不用担心：官方给出的运行内存占用约 121MB（40M 模型为 141MB），本地跑的门槛比一般人对"AI 模型"的想象低得多。Ollama模型库GitHub
四条命令，从零到第一段语音
第一步，下载默认的英文模型，这是全流程唯一需要联网的一步：
```bash
ollama pull phonon
```
第二步，生成并播放，命令跑完立刻能听到：
```bash
ollama run phonon “Hello from Ollama.”
```
Mac 上声音通过系统自带播放器放出，官方文档明确播放由 macOS 的 afplay 承接。Ollama文档
第三步，换音色。`ollama show phonon` 会列出这个模型可用的全部音色，命令里用 `–voice` 指定，音色名不分大小写：
```bash
ollama run phonon --voice Zoey “Hi, this is Zoey.”
```
第四步，保存文件。给命令加 `> speech.wav`，输出会写成 WAV 文件而不是播放，方便后续处理：
```bash
ollama run phonon “Good morning. Here is a short update.” > speech.wav
```
不带文字直接运行 `ollama run phonon` 会进入交互模式：打一句回车读一句，Ctrl+C 停止朗读，`/bye` 退出。 外语文章想逐句跟读，这个模式比反复敲命令顺手。Ollama文档
让本地大模型的回答直接念给你听
这次更新最有意思的玩法是用一根管道把聊天模型接进语音：
```bash
ollama run gemma4 --hidethinking “Tell me a fun fact about owls in two sentences.” | ollama run phonon
```
Ollama 边生成边朗读，聊天模型写出第一两句，声音就开始播，不用等全文。 前提是本地已拉取 gemma4 这类聊天模型，换成任何 Ollama 支持的文本模型同理。提问、回答、朗读全程不触网，一个完整的"离线语音助手"就是这一行。Ollama官方博客
接进自己的工具：把 OpenAI 地址改到本地
Ollama 的语音接口兼容 OpenAI 的 `/v1/audio/speech` 端点，现有代码只需要换 base URL 指向本机即可切换。Ollama官方博客
```python
from openai import OpenAI
client = OpenAI(base_url=“http://localhost:11434/v1”, api_key=“ollama”)
with client.audio.speech.with_streaming_response.create(
model=“phonon”,
voice=“default”,
input=“Hello from Ollama.”,
response_format=“wav”,
) as r:
r.stream_to_file(“speech.wav”)
```
响应随生成流式返回，播放器拿到开头就能起播，音频规格为 24kHz 单声道。 输出格式提供 WAV 与裸 PCM 两种；无音箱的远程服务器场景同样适用：重定向输出直接在服务端写出 WAV 文件，或在 Mac 上用 `OLLAMA_HOST` 指向远端，声音在命令运行处播放。Ollama模型库
上线之前，三个必须核对的边界
现在没有中文。 默认 `phonon` 是 31M 英语模型，40M 系列有法、德、西、葡单语言版本和一个五语版本（`phonon:40m-multilingual`），列表里没有中文，中文文本喂进去不会得到正常发音。 需要中文旁白的，只能等官方扩充语言。小红书
商用许可按版本分。 默认 31M 英语模型采用 Apache 2.0 许可，可商用。 全部 40M 模型（含多语版）则是仅限非商业用途的 CC BY-NC 4.0。 打算用本地配音接商单的，目前只有 31M 英文这一条路，音色和语言都要先按这个前提评估。Ollama模型库小红书
参数口径严格，不支持就报错。 语音模型只负责合成，每次 API 请求的文本最多 4,096 个字符，长文由 `ollama run` 自动按段落和句子切分。 速度、instructions 等模型不支持的选项会直接返回 400 错误而不是被忽略，音色名写错同样报 400 并附可用列表；想拿语音模型聊天则会被告知它只会生成语音。Ollama文档
发音规则与两个交付小坑
数字和货币会自动念对（$4.59 读作 “4 dollars and 59 cents”），但日期照字面读，“10/23” 要写成 “October 23” 才自然。 格式化文稿先清理再喂给模型更稳妥，官方提醒 Markdown 标题等格式标记可能被直接念出来。Ollama文档Ollama模型库
剪辑环节还有一个坑：流式写出的 WAV 文件头长度字段是最大值占位，个别播放器或剪辑软件会显示时长异常，过一遍 ffmpeg 转码再上时间线即可。Ollama文档
声音质量如何：官方基准相当有信心
Ollama 公布的测试（MacBook Pro M5 Max，生成 45 秒语音、10 次运行取中位数）显示：Apple Silicon 上语音模型由 MLX 框架加速，吞吐量比模型提供方 Gradium 自家的运行时快 35%。 词错误率则与 Hugging Face Transformers 参考实现持平（Seed-TTS 英语测试集 200 句、Whisper large-v3 转写验证）。旧款 M 系列芯片上的具体数字会打折扣，但"边生成边播"是流式特性，交付前建议用自己的设备试听人名、数字和停顿。Ollama官方博客
适合现在就装的是这几类人：做英文旁白或配音 Demo 的创作者、外语听力跟读的学习者、想让本地 AI 助手开口说话的用户，以及要完全离线验证语音链路的开发者。中文旁白需求、Windows/Linux 用户和要用 40M 音色商用的人可以再等——官方已明确语音先上 macOS，Windows 和 Linux 支持即将到来。 中文语种何时扩充，官方尚无时间表。Ollama官方博客
