Ollama agora transforma texto em voz no Mac com suporte a português

O Ollama, plataforma que permite rodar modelos de inteligência artificial diretamente no computador sem depender da nuvem, acaba de ganhar uma função que faltava: transformar texto em voz. E o melhor para quem fala português é que o idioma está na lista de suporte desde o lançamento.

A novidade chega com a integração do Phonon, uma família de modelos de texto-para-fala desenvolvida pela Gradium, e já está disponível na versão 0.40.11 do Ollama para Macs com Apple Silicon. O suporte ao Windows e ao Linux vem em breve, segundo a própria plataforma.

O que é o Ollama

Para quem ainda não conhece, o Ollama é um projeto open-source que virou um dos mais populares do GitHub: são quase 185 mil estrelas e cerca de 18,6 mil forks. A proposta é simples: o usuário baixa modelos de IA abertos de repositórios como o Hugging Face e roda tudo na máquina dele, sem enviar dados para servidores externos e até sem conexão com a internet.

No Mac, o Ollama roda sobre o MLX, o framework de machine learning da Apple que tira proveito da arquitetura de memória unificada do Apple Silicon. Isso significa que os modelos rodam mais rápido e de forma mais eficiente do que em implementações genéricas.

Phonon: fala em tempo real e cinco idiomas

O Phonon é o primeiro modelo de fala a entrar no Ollama, e a geração da voz acontece em tempo real. Isso quer dizer que o usuário ouve a resposta enquanto ela ainda está sendo produzida, sem precisar esperar o texto inteiro ser gerado para só então ouvir alguma coisa.

A Gradium desenvolveu modelos separados para cada um dos cinco idiomas suportados: inglês, francês, alemão, espanhol e português. Também há uma versão multilíngue que cobre todos eles. Dependendo do modelo escolhido, o usuário pode alternar entre vozes com sotaques diferentes, como o inglês americano e o britânico.

35% mais rápido graças ao chip da Apple

A escolha do MLX não foi à toa. A plataforma afirma que, em testes feitos com um MacBook Pro equipado com o chip M5 Max, a geração de fala ficou 35% mais rápida do que a implementação de referência da própria Gradium. E sem perder qualidade: a taxa de erro de palavras (word error rate) se manteve igual à do modelo original rodando no Hugging Face Transformers.

Na prática, isso significa que donos de Macs com Apple Silicon podem rodar um modelo de texto-para-fala local com desempenho superior ao de uma implementação padrão, sem abrir mão da privacidade de processar tudo离线mente.

📲 Novidade de IA local chega quase toda semana. Segue o Canal do TS no WhatsApp para receber os destaques sem ter que garimpar.

O Phonon já pode ser baixado diretamente pelo Ollama nos Macs com Apple Silicon que estejam rodando a versão 0.40.11 ou superior. Quem quiser ouvir amostras de áudio ou ver exemplos de código para usar os modelos via API pode conferir a página oficial da novidade. O suporte ao Windows e ao Linux ainda não tem data para chegar.

Fonte: 9to5Mac