IA local
Ollama ya lee texto en voz alta con Phonon
Ollama incorpora voz local con Phonon en Mac con Apple Silicon. Qué modelo elegir para español, cómo se integra y qué cambia en su licencia.
Una voz para el texto que ya tienes
Ollama puede convertir texto en voz con Phonon, la familia de modelos de Gradium. El audio se reproduce mientras se genera, así que puedes empezar a escuchar una respuesta sin esperar a que termine toda la síntesis.
La integración se anunció el 24 de octubre de 2026. El anuncio recomienda Ollama 0.40.11 o posterior en un Mac con Apple Silicon; Windows y Linux figuran como próximos pasos. Ese alcance corresponde a Ollama, aunque Phonon tiene otras integraciones para más dispositivos.
Para español hay que elegir otra variante
El nombre phonon carga por defecto el modelo inglés de 31 millones de parámetros. Para español aparece phonon:40m-es. También hay variantes de 40 millones para francés, alemán, portugués e inglés, y una multilingüe que reúne los cinco idiomas.
La elección cambia las condiciones de uso. El modelo inglés de 31 millones se distribuye con Apache 2.0. Las variantes de 40 millones, incluida la española, usan CC BY-NC 4.0, limitada a usos no comerciales. Gradium ofrece contacto comercial para otros usos.
Por eso revisaría la variante concreta antes de incorporar voz en un producto. Que el código que ejecuta el modelo sea abierto no cambia la licencia de sus pesos.
Un resumen pensado para escucharlo
Imagina una aplicación personal que te lee un resumen de tu agenda. En pantalla podría mostrar «10:30 · Revisión · 25/10». Para escucharlo prepararía una frase como «A las diez y media tienes la revisión del veinticinco de octubre». La información es la misma, pero se entiende sin mirar la pantalla.
En este ejemplo hipotético, la aplicación prepara el texto y Phonon lo convierte en audio. Una voz natural puede leer perfectamente un dato equivocado: la revisión del contenido sigue siendo otra parte del sistema.
Escuchar peticiones y gestionar interrupciones seguiría requiriendo otros componentes, como ocurre en un agente de voz completo.
La API facilita conectarlo, con límites concretos
Ollama ofrece /v1/audio/speech, una ruta compatible con la API de voz de OpenAI. Devuelve audio mientras lo genera y admite WAV o PCM. La documentación limita input a 4096 caracteres por petición; el comando de terminal divide textos largos por frases y párrafos.
La compatibilidad tiene un alcance preciso. Opciones no admitidas, como cambiar la velocidad mediante ese campo de la API, producen un error. Tampoco convierte Phonon en un modelo de chat: recibe texto para pronunciarlo.
Al probarlo con esa agenda, escucharía nombres poco frecuentes, cambios de hora y citas canceladas. La pregunta es si se entiende qué ocurre en cada cita sin tener que mirar el texto.