Ollama 给 Mac 加了免费本地 TTS，音色意外自然

本地模型阵营又添一块拼图。语音转文字的工具这两年一大把，反过来把文字念得像人的模型却大多锁在订阅墙后。Ollama 新版本给 Mac 补上了这块：集成 Gradium 开发的 Phonon 语音模型，免费、本地、不订阅，音色还意外地自然。隐私方面延续了 Ollama 一贯的承诺：提示词不会被存储，也不会拿去训练。

怎么用

条件很简单：一台 Apple Silicon 的 Mac，Ollama 升到 0.40.11 或更高，拉取 Phonon 模型即可开始用。音色给了四个，Zoey、Easton、Freya 和 Hugh，美式和英式口音都有，博客里的演示听感被评价为相当自然。

它真正顺手的地方在于和聊天模型的搭配：让本地大模型生成的回复直接被朗读出来，而且流式输出设计下，第一句话一生成就开始播，不用等完整回答生成完。这个细节值得展开说：传统 TTS 管线要等整段文本就绪才开始合成，长回答的等待时间和文本长度成正比；流式合成把延迟拆到了句子级，语音助手的体感响应速度直接砍掉一个大头。把本地模型当语音助手用的人，等于免费拿到了一套从「听懂你」到「开口说」的闭环。## 性能与授权

性能上 Ollama 走了苹果的 MLX 框架，官方称在 M5 Max 上比 Gradium 自家运行时快约 35%，且不损失准确度，这是同一颗芯片上单纯换运行时就能白拿的收益。MLX 是苹果为 Apple Silicon 优化的机器学习框架，和 GPU 的统一内存架构贴得很近，这类加速大概率后续还会出现在其他本地音频模型上。

授权需要分清两条线：英语模型是 Apache 2.0，可以放心商用；法语、德语、西班牙语、葡萄牙语模型仅限非商业用途。拿去做产品的话，语言和许可证要对着表选。Windows 和 Linux 支持在计划中，Mac 用户先吃到了螃蟹。

放进本地流水线

对跑本地视频或播客工作流的人来说，这和开源 TTS 模型那条线正好互补：长文案配音交给 Chatterbox 这类可克隆音色的模型，追求「边生成边念」的实时场景用 Phonon，整条链路不出网。几个马上能落地的用法：RSS 订阅收听化，让每天的资讯摘要被念出来；写作配图的旁白预览；本地聊天机器人的语音出口。都是过去必须接云 API 才能做的事。

要说短板也得讲清楚：目前只有 Mac 能用、四种预设音色、没有音色克隆，长文本朗读的稳定性还得观察。但在「零订阅、零上传」这个价位上，它没有对手。等 Windows 和 Linux 支持跟上，本地 TTS 的默认选项大概率就是它。