Ollama 0.40.9 加入串流語音合成，Phonon 首波限 Apple Silicon

Ollama 在 10 月 22 日的 0.40.9 更新中加入 Phonon 文字轉語音支援，讓本機應用透過命令列或 /v1/audio/speech 端點，邊生成邊接收音訊。這為既有聊天應用增加語音輸出路徑；此次版本也將模型匯入切換至 Gradium 正式版檢查點格式，舊預覽格式的相容性須留意。版本紀錄

預設 phonon 使用 3,100 萬參數英文模型，內含名為 default 的聲音。官方套件目前要求 Apple Silicon 與 Ollama 0.40.9 以上版本；另有 4,000 萬參數的英、法、德、西、葡語及多語版本，多語版本涵蓋的五種語言並不包含中文。授權也須逐一核對：預設英文模型採 Apache 2.0，4,000 萬參數系列則採限制商業用途的 CC BY-NC 4.0。模型說明

整合方式上，開發者可將聊天模型的文字輸出管線接入 ollama run phonon，也可使用相容 SDK 呼叫語音端點。輸出支援 24 kHz、單聲道、16 位元 WAV 或原始 PCM；API 每次接受最多 4,096 個字元，命令列則會按段落與句子切分長文。WAV 串流在總長度尚未確定時就先送出標頭，長度欄位使用最大值，接收端應確認播放器與檔案處理流程能接受這種格式。語音文件

從介面設計看，這次更新可減少本機聊天系統串接語音服務的整合工作，但完整體驗仍取決於文字分段、音訊緩衝與播放排程。官方文件也明列：數字、日期與縮寫不會自動展開成口語；不支援的速度、格式或指令選項會回傳 400 錯誤。工程團隊接下來應實測首段音訊延遲、長文接續與取消播放行為，並把中文支援及其他硬體平台視為待確認項目；目前公開資料不足以建立跨硬體的效能結論。介面限制