先明确一件事：这一节讲的是文字转语音（TTS），不是语音转文字。 Ollama 的 Speech 能力目前负责"把文本读出来"，让 chat 模型的回答能直接变成声音，而不是听懂你在说什么。

方向搞清楚了，用途其实很实在：给对话应用加上朗读、把长文转成通勤时能听的音频、让命令行脚本"说话"。

要求 Ollama v0.40.9 或更高；模型下载：ollama pull phonon。版本基线 v0.40.12，官方 docs.ollama.com/capabilities/speech。

一、语音模型与音色

当前语音模型是 phonon，基于 Gradium 的 31M 英文 checkpoint。内置英文音色有 Zoey、Easton、Freya 等；不指定音色时用 checkpoint 自带的 default。

查一下实际有哪些音色：

## 列出模型的能力（会显示 speech）与可用音色
ollama show phonon

音色名不区分大小写，也容忍重音符号——zoey、Zoey、ZÖEY 都能用。这一点比很多 TTS 服务宽松。

二、终端里直接朗读

ollama run 会直接通过系统扬声器播放：

## 朗读一段文本
ollama run phonon "Hello from Ollama."

## 指定音色
ollama run phonon --voice Zoey "Hi, this is Zoey."

更有意思的是管道。把别的程序的输出喂给它，就能朗读任何内容——包括 chat 模型的回答：

## 让聊天模型先回答，再把回答读出来
## --hidethinking 隐藏推理过程，只把正文传给 phonon
ollama run gemma4 --hidethinking "用两句话讲一个关于猫头鹰的趣事。" | ollama run phonon

管道是边到边读的：chat 模型吐出第一两句，语音就开始播放，不用等整段生成完。这让"AI 语音助手"的延迟感受大幅降低——用户听到的第一个字，出现在模型刚开始回答的时候。

用 ollama run phonon 不带文本会进入 >>> 提示符，每输入一行回车即朗读；Ctrl+C 停止播放，/bye 或 Ctrl+D 退出。

三、存成文件（服务器也能用）

把输出重定向，ollama run 就不播放，而是写出一个 WAV 文件：

## 重定向到文件：不播放，直接保存 WAV
ollama run phonon "Save this to a file." > speech.wav

这招在无声卡的服务器上同样有效——纯生成，不依赖音频设备。

如果模型跑在远程服务器，而你人在本地，用 OLLAMA_HOST 指向服务器，声音会从你运行命令的这台机器出来：

## 模型在 my-server 上跑，声音在本地播放
OLLAMA_HOST=my-server:11434 ollama run phonon "Hello from the server."

四、API：走 OpenAI 兼容的 /v1/audio/speech

集成用的端点是 /v1/audio/speech——注意它在 OpenAI 兼容层下，路径带 v1，而不是 /api/*。好消息是你可以直接复用 OpenAI 官方 SDK：

## REST 直调：把返回的音频流写进文件
curl http://localhost:11434/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{
    "model": "phonon",
    "input": "Hello from Ollama.",
    "voice": "default"
  }' --output speech.wav

Python 直接套用 openai 包，把 base_url 指向本地即可（api_key 随便填，Ollama 不校验）：

## pip install openai
from openai import OpenAI

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

## 用流式响应逐块写盘，边生成边保存，不必等全部合成
with client.audio.speech.with_streaming_response.create(
    model="phonon",
    voice="default",
    input="Hello from Ollama.",
    response_format="wav",
) as response:
    response.stream_to_file("speech.wav")

JavaScript 版本：

// npm install openai
import fs from 'node:fs'
import OpenAI from 'openai'

const openai = new OpenAI({ baseURL: 'http://localhost:11434/v1', apiKey: 'ollama' })

const response = await openai.audio.speech.create({
  model: 'phonon',
  voice: 'default',
  input: 'Hello from Ollama.',
  response_format: 'wav',
})

fs.writeFileSync('speech.wav', Buffer.from(await response.arrayBuffer()))

响应是流式的，所以可以边生成边播放，不必先落盘再播：

## -N 关闭 curl 缓冲，直接管道给播放器，实现"边说边播"
curl -sN http://localhost:11434/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{"model": "phonon", "input": "Playback starts while the rest is still being generated."}' \
  | ffplay -nodisp -autoexit -loglevel error -

五、音频格式只有两种

response_format 支持的取值很少，这点和商业 TTS 服务差别很大：

response_format	输出内容
wav（默认）	WAV 文件：16 位、单声道、24 kHz。头部在长度未知时就已写好，因此文件头里的长度字段是最大值
pcm	裸 16 位小端采样，单声道、24 kHz，没有文件头

第二列关于 WAV 头的提示很重要。因为音频是流式生成的，服务端写入文件头时还不知道总长度，所以头里的 size 字段填的是上限值。绝大多数播放器能正常处理（它们靠实际数据长度判断），但如果你的代码要用文件头里的长度做进度计算或切片，就会算错——此时应改用 pcm 自己封头，或者按实际读到的字节数计算。

pcm 适合直接喂给音频设备或 Web Audio API；wav 适合存文件、发给别人。

六、六条限制，提前知道能省很多调试

单次输入上限 4096 字符。 ollama run 会自动在段落和句子边界切分超长文本，但你走 API 时得自己切。

数字和符号会被"拼读"。 价格、号码、符号、邮箱、URL 都会展开成口语，例如 $4.59 读作 "4 dollars and 59 cents"。这对朗读体验是好事，但如果你的文本里 URL 很多，会被逐字符念出来，建议朗读前先把链接替换成"链接"二字。

日期要写成文字形式。 时间与纯数字日期按原样读——10/23 会被念成"十斜杠二十三"之类。想自然朗读就写 October 23。

Emoji、项目符号、Markdown 标记会被跳过。 *、# 这类符号不会读出来，所以直接把 Markdown 原文丢进去朗读，听感上基本干净，但标题层级信息也丢了。

不支持的选项直接报错，不静默忽略。 其他格式、语速、instructions 等参数会返回 400。未知音色同样返回 400，并在错误信息里列出所有可用音色——这反过来是最好的"查音色"方式。

语音模型只会合成语音。 对 phonon 发 chat、completion 或 embedding 请求都会返回 400。别拿它当通用模型用。

七、一个实用的组合

把上面几节串起来，就是"把长文变成可听的播客"：

## ① 让模型把文章改写成适合朗读的口语稿（去掉代码块、链接）
ollama run gemma4 --hidethinking "把下面这段技术文档改写成适合朗读的口语稿，不要代码和链接：$(cat article.md)" > script.txt

## ② 分段合成音频（每段不超过 4096 字符）
split -b 3000 script.txt part_
for f in part_*; do
  curl -sN http://localhost:11434/v1/audio/speech \
    -H "Content-Type: application/json" \
    -d "{\"model\": \"phonon\", \"input\": $(python -c "import json,sys;print(json.dumps(open('$f').read()))"), \"voice\": \"Zoey\", \"response_format\": \"wav\"}" \
    --output "$f.wav"
done

想给这个流程加上"回答问题前先判断该不该检索"的能力，看 3.4 Ollama 决策（Decision）；想了解让模型自主调用外部工具，接下一篇 3.8 Ollama 工具调用（Tool calling）。