Ollama מקריאה טקסט בקול על המחשב שלכם, ורק גרסה אחת מותרת לשימוש מסחרי

phonon ו-phonon:fr נראים כמו אותו מודל בשתי שפות. בפועל אלה שני רישיונות שונים. את הראשון מותר להכניס למוצר שמוכרים, את השני לא. ההבדל לא מופיע בשם המודל, הוא כתוב בשורה אחת בתחתית עמוד המודל.

ב-24 באוקטובר הודיעה Ollama, הכלי הפופולרי להרצת מודלי שפה על מחשב אישי, שהיא תומכת מעכשיו גם במודלי דיבור. המודל הראשון הוא Phonon, משפחה של מודלים קטנים שהופכים טקסט לדיבור. הוא פותח ב-Gradium, חברה שמוכרת API לקול בזמן אמת ולסוכנים קוליים.

הכלי עצמו עובד בפקודה אחת. מה שדורש קריאה איטית יותר הוא האותיות הקטנות.

פקודה אחת, ומק אחד

נכון לעכשיו זה עובד רק על מק עם שבב של אפל. לפי Ollama, תמיכה ב-Windows ובלינוקס תגיע "בקרוב", בלי תאריך. התיעוד דורש גרסה 0.40.9 ומעלה, ובבלוג ההשקה ממליצים להוריד את 0.40.11.

מי שכבר מריץ מודלים מקומית, למשל לפי המדריך להתקנת קלוד קוד בחינם על המחשב, צריך רק למשוך את המודל:

ollama pull phonon
ollama run phonon "Hello from Ollama."

הקול מתנגן דרך הרמקולים. כדי לבחור קול אחר מוסיפים --voice, ואת הרשימה המלאה מקבלים מ-ollama show phonon. הקולות מגיעים מקטלוג הקולות של Gradium ב-Hugging Face:

ollama run phonon --voice Zoey "Hi, this is Zoey."

כשמפנים את הפלט לקובץ, מתקבל קובץ WAV במקום השמעה. זה עובד גם על שרת בלי רמקולים:

ollama run phonon "Save this to a file." > speech.wav

התשובה מתחילה להישמע לפני שהיא נגמרת

הפיצ'ר המעניין יותר הוא הצנרת. אפשר להעביר את התשובה של מודל שפה ישר לתוך Phonon, והאודיו מתחיל להתנגן אחרי המשפט הראשון, בזמן שהמודל עוד כותב את ההמשך:

ollama run gemma4 --hidethinking "Tell me a fun fact about owls in two sentences." | ollama run phonon

זו הדוגמה הרשמית, והיא משתמשת ב-Gemma 4 של גוגל. מי שכבר עבד איתו לפי המדריך לקלוד קוד עם Gemma מקבל עכשיו עוזר מקומי שגם מדבר, בלי שאף מילה יוצאת מהמחשב.

התיעוד מוסיף הערה מעשית אחת: המודל מקריא את מה שהוא מקבל, כולל סימני עיצוב. כותרת של Markdown עלולה להיות מוקראת כמו שהיא, עם הסולמיות. מי שמחבר את זה לצ'אטבוט צריך לנקות את הטקסט לפני שהוא נשלח להקראה.

אותו ממשק של OpenAI, כתובת אחרת

וזה החלק שמעניין עסקים. Phonon עונה בנקודת הקצה /v1/audio/speech, בפורמט ש-OpenAI קבעה לשירות ההקראה שלה. כלומר, קוד שכבר כתוב מול ה-SDK של OpenAI צריך לשנות רק את כתובת הבסיס:

from openai import OpenAI

client = OpenAI(base_url="http://localhost:11434/v1", api_key="ollama")

with client.audio.speech.with_streaming_response.create(
    model="phonon",
    voice="Zoey",
    input="Hello from Ollama.",
    response_format="wav",
) as response:
    response.stream_to_file("speech.wav")

האודיו יוצא מונו ב-24 קילוהרץ, כ-WAV כברירת מחדל או כדגימות גולמיות עם "response_format": "pcm". התשובה זורמת בזמן שהקול נוצר, כך שאפשר להתחיל לנגן מיד.

על הנייר, זו דרך להחליף שירות הקראה בענן, שמחויב לפי שימוש, במודל שרץ על המחשב בלי עלות לכל משפט. בפועל יש תנאי אחד שקובע אם זה בכלל רלוונטי.

השורה שקובעת מה מותר למכור

משפחת Phonon ב-Ollama כוללת שני גדלים. לפי עמוד המודל ב-Ollama:

• phonon (גם phonon:en ו-phonon:31m-en): אנגלית, 31M. רישיון Apache 2.0
• phonon:40m-en: אנגלית, 40M. רישיון CC BY-NC 4.0
• phonon:fr, phonon:de, phonon:es, phonon:pt: צרפתית, גרמנית, ספרדית ופורטוגזית, 40M. רישיון CC BY-NC 4.0
• phonon:multilingual: כל חמש השפות, 40M. רישיון CC BY-NC 4.0

Apache 2.0 הוא רישיון פתוח שמתיר שימוש מסחרי. CC BY-NC 4.0 מגביל את השימוש למטרות לא מסחריות, ו-Ollama עצמה כותבת את זה במפורש.

התוצאה: את המודל היחיד שמותר להכניס למוצר מסחרי מקבלים רק באנגלית, ורק בגרסה הקטנה. כל שפה אחרת, וגם הגרסה האנגלית הגדולה, נשארות בתחום הניסוי.

והמלכודת היא בשמות. phonon:fr הוא כינוי ל-phonon:40m-fr, ומי שמקליד את השם הקצר לא רואה שהוא עבר רישיון. זה לא המקרה הראשון שבו "מודל פתוח" מתברר כפתוח בתנאים, כמו שכתבנו על המודל הפתוח של Moonshot. הבדיקה עצמה זולה: לקרוא את עמוד המודל לפני שמחברים אותו למשהו שגובה כסף.

ועברית אין

חמש שפות: אנגלית, צרפתית, גרמנית, ספרדית ופורטוגזית. עברית לא ברשימה, לא בגרסה הקטנה ולא בגרסה הרב לשונית.

למי שבונה בישראל זה סוגר את השאלה לפני שהיא נפתחת. בוט קולי שעונה ללקוחות בעברית לא ירוץ על Phonon, בשום רישיון. מה שכן אפשר לעשות היום הוא להקריא תוכן באנגלית, לבנות אב טיפוס, ולבדוק איך נשמעת הקראה מקומית בזמן אמת לפני שמשלמים על שירות.

מי מדד את המהירות

לפי Ollama, על מקבוק פרו עם M5 Max, ההרצה שלה מהירה ב-35% מהמנוע הבא בתור, שהוא סביבת ההרצה של Gradium עצמה. בתיאור ההשקה היא מוסיפה שעל שבבי אפל הקול נוצר בקצב של יותר מפי מאה מזמן אמת.

שני פרטים מאותו עמוד שווים תשומת לב. הראשון: המדידה נעשתה על ידי Ollama, על מכונה אחת, כחציון של עשר הרצות שבכל אחת נוצרו 45 שניות דיבור. השני: שני המנועים לא הריצו את אותם משקלים. הסביבה של Gradium השתמשה במשקלים של 8 ביט על המעבד, 16 ביט על המאיץ העצבי ו-32 ביט על הגרפיקה, ו-Ollama הריצה את המודל ב-bf16. ההשוואה מראה ש-Ollama מהירה בתצורה שהיא בחרה. היא לא מראה יותר מזה.

גם הטענה על הדיוק באה מאותו מקור. Ollama מדווחת ששיעור שגיאות המילים אצלה זהה למימוש הייחוס ב-Hugging Face Transformers, לפי 200 משפטים באנגלית ממאגר הבדיקה Seed-TTS, שתומללו בחזרה עם Whisper large-v3. אנגלית בלבד. על ארבע השפות האחרות לא פורסמה מדידה.

למה חברה שמוכרת קול נותנת מודל בחינם

Gradium לא מתפרנסת ממודלים פתוחים. בעמוד הבית שלה מופיעים הקראה, תמלול, תרגום קולי בזמן אמת, שכפול קול וסוכנים קוליים, כולם כמוצרים בתשלום. לפי ההודעה של החברה מיולי, היא הרחיבה את סבב הסיד שלה ל-100 מיליון דולר, עם משקיעים שכוללים את אנבידיה.

ההערכה שלנו: Phonon הוא חלון ראווה. הגרסה האנגלית הקטנה פתוחה בלי תנאים ומראה מה הטכנולוגיה יודעת לעשות על מחשב נייד. מי שרוצה את אותו דבר בצרפתית בתוך מוצר ימצא את עצמו מדבר עם צוות המכירות. זה מודל עסקי לגיטימי לגמרי, ומי שמבין אותו מראש לא מופתע אחר כך.

בינתיים, מי שיש לו מק ורבע שעה פנויה יכול לשמוע את זה בעצמו. שתי פקודות, ובלי חשבון בשום מקום.

מבוסס על ההודעה שOllama פרסמה בבלוג שלה, 24.10.2026, ועל עמוד המודל Phonon ומדריך הדיבור בתיעוד הרשמי.