قابلیت تبدیل متن به گفتار کاملاً محلی و رایگان به مک آمد

این روزها اپلیکیشن‌های تبدیل گفتار به متن در App Store بسیار زیاد شده‌اند و تایپ صوتی روی مک را راحت‌تر از همیشه کرده‌اند؛ اما در زمینهٔ معکوس آن، یعنی تبدیل متن به گفتار (Text-to-Speech)، گزینه‌های باکیفیت انگشت‌شمار بوده‌اند و اغلب آن‌ها پشت دیوار پرداخت اشتراک‌های ماهانه قرار دارند. حالا Ollama قصد دارد این شرایط را به کلی تغییر دهد.

این پلتفرم متن‌باز محبوب که امکان اجرای محلی مدل‌های هوش مصنوعی را روی کامپیوترها فراهم می‌کند، برای macOS، Windows و Linux در دسترس است. نکتهٔ درخشان این برنامه حفظ کامل حریم خصوصی کاربران است؛ چرا که دستورها و متن‌ها هرگز روی سرور ذخیره نمی‌شوند یا برای آموزش هوش مصنوعی به کار نمی‌روند.

اجرای محلی و بدون نیاز به اینترنت با مدل Phonon

ابزار Ollama اکنون از مدل‌های تبدیل متن به گفتار روی مک پشتیبانی می‌کند و این قابلیت را با خانوادهٔ مدل‌های سبک Phonon، محصول استارتاپ Gradium، کلید زده است. این مدل‌ها به شما اجازه می‌دهند هر متنی را مستقیماً داخل کامپیوتر به صوت تبدیل کنید. پشتیبانی از سیستم‌عامل‌های ویندوز و لینوکس نیز به زودی اضافه خواهد شد.

صداهایی که در وبلاگ رسمی این پلتفرم نمایش داده شده‌اند فوق‌العاده طبیعی، زنده و شبیه به انسان به گوش می‌رسند. کاربران می‌توانند از بین صداهایی مانند Zoey ،Easton ،Freya و Hugh با لهجه‌های آمریکایی و بریتانیایی انتخاب کنند. علاوه بر زبان انگلیسی، مدل‌هایی برای زبان‌های فرانسوی، آلمانی، اسپانیایی و پرتغالی نیز توسعه یافته است.

از نظر سرعت و عملکرد هم جای هیچ نگرانی نیست. به لطف بهره‌گیری از فریم‌ورک MLX شرکت اپل، توسعه‌دهندگان اعلام کرده‌اند که Phonon روی یک MacBook Pro با تراشه M5 Max تا ۳۵ درصد سریع‌تر از محیط اجرای اختصاصی Gradium اجرا می‌شود، بدون آنکه ذره‌ای از دقت و کیفیت صدا کاسته شود.

راهنمای راه‌اندازی و استفاده در مک

شما حتی می‌توانید مدل Phonon را با یک مدل چت متنی ادغام کنید تا پاسخ‌های دستیار هوش مصنوعی با صدای بلند برایتان خوانده شود. در این حالت، پخش صوت بلافاصله پس از اتمام تولید جملهٔ نخست شروع می‌شود و نیازی نیست تا پایان یافتن کل پاسخ متنی منتظر بمانید.

برای استفاده از این ویژگی، به یک مک مجهز به پردازندهٔ Apple Silicon و نسخهٔ ۰٫۴۰٫۱۱ یا جدیدتر برنامهٔ Ollama نیاز دارید. تنها کافی است مدل Phonon را دریافت کنید تا کار تمام شود. مدل زبان انگلیسی تحت مجوز آپاچی ۲ (Apache 2.0) کاملاً رایگان و آزاد است، اما مدل‌های زبان فرانسوی، آلمانی، اسپانیایی، پرتغالی و چندزبانه صرفاً برای استفاده‌های غیرتجاری در دسترس قرار دارند.

جمع‌بندی

ورود ابزارهای متن‌باز مانند Ollama به دنیای تبدیل متن به گفتار، گامی بزرگ برای حریم خصوصی و سرعت پردازش روی دستگاه‌های اپل است. ترکیب بهینه‌سازی‌های فریم‌ورک MLX با قدرت پردازنده‌های اختصاصی مک نشان می‌دهد که آیندهٔ هوش مصنوعی در دستان پردازش‌های محلی و بی‌نیاز از اینترنت است.

منبع: Ollama brings free, local text-to-speech to your Mac with natural-sounding AI voices — Digital Trends