Ollama 0.40.13 將 LFM3 支援擴至 Linux、Windows，涵蓋語音生成模型

Ollama 於 10 月 28 日發布 0.40.13，將 Liquid AI 的 LFM3 系列支援擴展至 Linux、Windows，並明確涵蓋 lfm3-audio 與 lfm3-omni 的文字轉語音功能。這是模型發布後的部署進展：原先在 Apple silicon 可用的執行路徑，現在擴及另外兩個作業系統。官方版本說明

其中，LFM3-Audio-2B 接受文字或音訊輸入，可輸出文字、語音，或交錯輸出兩者。模型結合因果音訊編碼器與 LiquidCodec 音訊 tokenizer，規格列出 16 kHz 音訊輸入、24 kHz 語音輸出，以及增量 prefill 和串流語音生成；語言清單包含中文，也支援將口語請求轉成工具呼叫。Audio 模型說明

LFM3-Omni-2B 則進一步整合視覺，約有 21.7 億參數，可理解文字、影像、影片與音訊，再以文字或語音回答。官方描述的目標，是以單一模型承接原本分由語音辨識、視覺語言模型、語言模型及語音合成處理的工作。影片採每秒兩幀取樣，因此評估快速動作或短暫畫面事件時，仍須注意取樣限制。Omni 模型說明

對工程團隊而言，這次更新的價值在於擴大本機多模態應用的測試環境。依上述能力，可評估在 Linux 工作站或 Windows 電腦上建立語音助理、影音問答與裝置控制原型；能否減少多模型串接的維護成本，仍須以實際任務驗證，不能僅由支援公告推定。

部署前還有兩項限制需要核對。Audio 與 Omni 的說明表格均列出 32K 上下文，但 Ollama 頁面上方標籤顯示 125K，兩處資訊存在落差，不宜直接用較大的數字規劃容量。此外，Omni 明確不支援 thinking；Audio 也不建議用於複雜多步推理。版本公告未列出硬體相容矩陣或延遲數據，後續應量測目標機器的記憶體占用、首段語音延遲及中文輸出品質。Audio 規格、Omni 規格