Ollama加入串流文字轉語音功能，並整合d3決策模型

本機AI模型執行工具Ollama發布v0.40.11，加入文字轉語音功能，讓搭載Apple晶片的Mac電腦可以將文字或AI聊天模型的回答轉成語音，並在生成過程中同步播放，不必等整段語音完成。新版也整合d3決策模型，可根據文字或圖片內容進行分類、判斷與評分。

Ollama主要用來在個人電腦上執行AI語言模型，新增的語音功能採用Gradium開發的Phonon模型。使用者下載模型後，就能讓電腦朗讀指定文字，也能將其他AI模型產生的回答轉成語音，例如AI助理回答問題時，系統收到前幾句文字便能開始朗讀，後面的內容則繼續生成，語音也可以儲存成檔案。

開發者可透過與OpenAI相容的API，將語音功能加入現有軟體。原本使用OpenAI語音服務的程式，可調整連線位址、模型名稱及相關設定，改由本機電腦產生語音，每次請求最多可輸入4,096個字元，支援WAV及PCM格式的音訊輸出。

Phonon提供3,100萬參數的英文模型，以及4,000萬參數的單語及多語言模型，目前支援英文、法文、德文、西班牙文及葡萄牙文。Ollama利用Apple的機器學習框架MLX加速語音生成，根據官方在M5 Max MacBook Pro上的測試，生成速度比Gradium自家的執行環境快35%。

另一項更新是由vLLM Semantic Router開發的d3決策模型，可根據使用者提供的選項及判斷標準，對輸入內容進行分類或評分，並提供各選項的分數及機率，像是客服系統收到客戶反映的問題後，可利用模型判斷是帳務、退款還是技術問題，再交由對應部門處理。d3也能分析靜態圖片，但不支援影片，且不會像一般聊天模型生成完整回答。

目前Phonon在Ollama上僅支援搭載Apple晶片的Mac，尚未支援中文，Windows及Linux的語音功能則預計後續推出。模型授權也有所不同，3,100萬參數的英文模型採Apache 2.0授權，4,000萬參數版本則採限制商業用途的CC BY-NC 4.0授權。