Ollama publicó el 24 de octubre un anuncio dedicado a Phonon, la familia de modelos de Gradium que convierte texto en audio, y las notas de la versión estable 0.40.11 recogen la generación de voz en macOS. Para una aplicación que necesita leer respuestas, el cambio permite usar una interfaz compatible con /v1/audio/speech. Antes de integrarla, hay dos condiciones decisivas: la plataforma anunciada y la licencia del modelo concreto.
La capacidad ya aparecía en nuestro resumen del 23; no situamos su primera aparición el día 24. El resumen del 24 de octubre recoge el anuncio actual; este artículo desarrolla sus condiciones de uso.
Texto que se convierte en audio
Phonon recibe el texto que debe pronunciar y genera audio progresivamente. Es síntesis de voz: no supone reconocimiento de audio de entrada ni, por sí sola, una conversación hablada completa. La aplicación debe resolver esas otras funciones por separado si las necesita.
El anuncio ofrece uso desde el terminal y una API compatible con el endpoint de síntesis de voz de OpenAI. La documentación describe salida WAV por defecto o muestras PCM sin cabecera, en mono a 24 kHz. Esa compatibilidad facilita adaptar una integración existente, pero no garantiza que todos los formatos, voces, velocidades o instrucciones de otro proveedor funcionen igual.
El idioma también cambia las condiciones
Según la ficha de Ollama y la tarjeta de Gradium, el modelo predeterminado phonon corresponde a Phonon 31M en inglés, publicado bajo Apache 2.0. Las variantes de 40 millones de parámetros en inglés, francés, alemán, español, portugués y multilingüe se distribuyen bajo CC BY-NC 4.0, con uso limitado a fines no comerciales.
Por tanto, elegir la variante española no es únicamente cambiar el idioma de la misma descarga: también cambia la licencia aplicable. No conviene trasladar las condiciones del modelo predeterminado a toda la familia. La ficha de Gradium incluye una tabla con cada variante; es la referencia que permite distinguirlas sin asumir que todas comparten permisos.
La disponibilidad anunciada es para Apple Silicon
El anuncio del 24 sitúa el uso en Mac con Apple Silicon y recomienda Ollama 0.40.11 o posterior; deja Windows y Linux para más adelante. La ficha del modelo y la guía mencionan un mínimo anterior, 0.40.9, y la guía describe reproductores de audio para varios sistemas.
Estas referencias no están completamente alineadas. La existencia de un reproductor para Windows o Linux no demuestra que la generación con estos paquetes esté disponible allí. Para esta noticia seguimos el alcance explícito del anuncio: Apple Silicon, sin extenderlo a otros equipos ni deducir soporte por la presencia de instrucciones genéricas.
Un ejemplo y los límites de la API
Como ejemplo hipotético, una aplicación podría enviar un resumen escrito en inglés al modelo predeterminado y guardar un WAV para escucharlo después. Puntoes no ha ejecutado esa integración ni descargado los modelos: no atribuimos a una prueba propia cifras de velocidad o calidad.
La guía limita input a 4.096 caracteres por petición de API; por separado, explica que la interfaz de terminal divide textos largos por frases y párrafos. No debe suponerse que la API hace esa división por el cliente. Los formatos no admitidos o una voz desconocida producen errores 400, según la documentación. Antes de conectar un flujo real, conviene fijar modelo, licencia, plataforma y opciones admitidas, en vez de asumir equivalencia completa con otro servicio de voz.