Ollama、音声モデル「Phonon」に対応　実時間の100倍超の速度で5言語を生成

本ページはプロモーションを含みます（掲載基準）

画像: Ollama Blog

結論（先に3行）

1. Ollamaが音声モデルに対応し、文章を音声へ変換できるようになりました。2. 2026年10月24日からmacOS向けに提供が始まっています。3. Apple製チップを搭載したMacを利用している人が対象です。

Ollamaは2026年10月24日に、テキストを音声へ変換する音声モデルへの対応を開始しました。第1弾としてGradiumが開発した「Phonon」を導入し、文章を自然な音声で読み上げます。

まずはApple製チップを搭載したMacに対応し、実時間の100倍を超える速度で音声を生成します。英語、フランス語、ドイツ語、スペイン語、ポルトガル語の5言語を扱えます。英語モデルはオープンソースのライセンスであるApache 2.0で公開され、多言語対応のモデルは非商用利用に限定されます。

対話モデルの返答をつなぎ込めば、最初の1文が届いた直後から音声を順次再生できます。OpenAIの規格に準拠したAPI (外部プログラムと連携する接続口) を備えており、接続先を変更するだけで既存のプログラムから利用できます。

AIの応答を画面で見ずに音声で確認できるため、手元での音声出力やファイル保存が手軽になります。利用にはバージョン0.40.11以降のOllamaが必要で、WindowsとLinuxへの提供も予定されています。

ひらたく言うと、パソコン上で動くAIに声帯がついたようなものです。これまでOllamaは画面に文字を表示するだけでしたが、文章を声に出して読んでくれるようになりました。

画面に文字が出ると同時に音声の再生が始まるため、長い返答も待たずに耳で聞けます。

実時間の100倍という生成速度には、筆者もかなり驚きました。自分のパソコン上で音声を合成する処理は重い印象がありましたが、手元のMacでここまで高速に動くなら実用性は十分です。OpenAIの規格にそのままつなぎ込める点も、既存の仕組みを流用しやすくて便利でした。

実に軽快でした。

ただ、現時点で用意されている5言語に日本語は含まれていません。英語のリスニング教材を作ったり、海外向け動画の音声を試作したりしたい人なら、すぐに試す価値がありそうです。今後は近いうちに予定されているWindows版の提供と、日本語モデルが追加される時期を見届けたいところです。

MacでOllamaを使っている人は、AIの返答を待たずに音声で聞き取れるようになります。