メインコンテンツへスキップ
見出し画像

OllamaのSpeech(音声生成)とは。phononの使い方と、/v1/audio/speechの制限・対象Mac

    Ollamaのv0.40.11(2026年10月24日公開、日本時間)で、ローカルで文章を読み上げる「Speech(音声生成)」が発表されました。音声モデル「phonon」を入れると、ollama run でテキストやチャットモデルの返答を読み上げたり、OpenAI互換の /v1/audio/speech から音声ファイルを作ったりできます。この記事は、公式のリリースノート、ドキュメント、モデルページに書かれた内容を整理したものです。

    この記事が関係する人 / 関係しない人

    • 関係する人: Apple Silicon の Mac で Ollama を使っていて、ローカルのアプリやスクリプトに読み上げを足したい人

    • 関係する人: OpenAI の音声APIを使うコードを、ローカルの Ollama に向けて試したい人

    • 関係しない人: 日本語の読み上げが目的の人(phonon の対応言語に日本語はありません。後述)

    • 関係しない人: Intel の Mac や、Linux・Windows だけで Ollama を使っている人(phonon のモデルページでは Apple Silicon が必要とされています)

    確認方法: ollama pull phonon のあとに ollama show phonon を実行し、capabilities に speech があること、使える声(voices)の一覧が出ることを確かめます(Ollama Speech)。Ollama は、ガイドでは v0.40.9 以降が条件です。macOS と Windows は自動で更新を取得し、メニューバー(タスクバー)の項目から「Restart to update」で適用します(Ollama FAQ)。

    何が出たか

    v0.40.11 のリリースノートでは、macOS で音声を生成できるようになったこと、ollama run がテキストやチャットモデルの返答を生成しながら再生すること、アプリからは OpenAI 互換の /v1/audio/speech で音声をストリーミングできることが書かれています。

    Ollama can now generate speech on macOS.

    訳: Ollama は macOS で音声を生成できるようになりました。(Ollama v0.40.11 リリースノート)

    読み上げに使うモデルは、Gradium の音声合成モデル「phonon」です。既定の phonon は31Mパラメータの英語モデル(phonon:31m-en)で、サイズは113MBです。英語以外は40Mのモデルを選びます。

    • phonon(phonon:31m-en, phonon:en): 英語。Apache 2.0

    • phonon:40m-en: 英語の40M版

    • phonon:fr / phonon:de / phonon:es / phonon:pt: フランス語、ドイツ語、スペイン語、ポルトガル語

    • phonon:multilingual: 上の5言語をまとめたもの

    40Mのモデルは CC BY-NC 4.0 で、非商用の利用に限られます。商用のアプリに組み込むなら、Apache 2.0 の既定の英語モデルかどうかを確かめてから使います。

    動かす条件は、モデルページに次のように書かれています。

    These Ollama packages require Apple Silicon and Ollama 0.40.9 or later.

    訳: これらの Ollama のパッケージには、Apple Silicon と Ollama 0.40.9 以降が必要です。(Ollama「phonon」モデルページ)

    ターミナルで読み上げる

    ガイドにあるコマンドは次のとおりです。ollama run はパソコンのスピーカーで再生します。

    ollama pull phonon
    
    # テキストを読み上げる
    ollama run phonon "Hello from Ollama."
    
    # 別のプログラムの出力を読み上げる
    echo "Text from another program works too." | ollama run phonon
    
    # チャットモデルの返答を読み上げる
    ollama run gemma4 --hidethinking "Tell me a fun fact about owls in two sentences." | ollama run phonon
    
    # 出力をリダイレクトすると、再生せずWAVファイルに書き出す
    ollama run phonon "Save this to a file." > speech.wav

    パイプで渡したテキストは届いた順に読み上げられるので、チャットモデルの返答は最初の1〜2文が出たところで再生が始まります。テキストを付けずに ollama run phonon を実行すると、>>> のプロンプトで1行ずつ読み上げられます(Ctrl+Cで読み上げを止め、/bye か Ctrl+D で終了)。声は --voice で選べます。使える声の名前は ollama show phonon で確認します。

    画像

    APIから音声ファイルを作る

    アプリからは、OpenAI 互換の /v1/audio/speech を使います。ガイドの cURL の例は次のとおりです。

    curl http://localhost:11434/v1/audio/speech \
      -H "Content-Type: application/json" \
      -d '{
        "model": "phonon",
        "input": "Hello from Ollama.",
        "voice": "default"
      }' --output speech.wav

    OpenAI の Python・JavaScript の SDK も、base_url を http://localhost:11434/v1 にすれば同じ形で呼べます。レスポンスは生成しながら返るので、全文の生成を待たずに再生を始められます。

    OpenAIの音声APIと違うところ

    OpenAI 互換といっても、対応しているのは一部です。OpenAI のコードをそのまま向けると、次の点で 400 エラーになります。

    • 形式: response_format は wav(既定)と pcm だけ。mp3、opus、aac、flac は使えません。既定は mp3 ではなく wav です

    • 速さ: speed は 1 のみ

    • 指示: instructions は使えません

    • 長さ: input は1リクエスト4,096文字まで。ollama run では、長い文章を段落と文の区切りで自動的に分けます

    • 声: 知らない声の名前を指定すると、使える声の一覧つきの 400 エラーになります

    • 音声: 16ビット、モノラル、24kHz

    対応していない指定を黙って無視しない作りになっている点は、ガイドにはっきり書かれています。

    Options the model doesn't support, such as other formats, speeds, or instructions, return a 400 error instead of being ignored.

    訳: 別の形式や速さ、instructions など、モデルが対応していないオプションは、無視されずに 400 エラーを返します。(Ollama Speech)

    ほかに、読み上げる文章の書き方にも注意があります。価格や記号、メールアドレス、URLは読み方に直してから話しますが、数字の日付は書いたとおりに読まれるため、10/23 ではなく October 23 のように書くとガイドは案内しています。絵文字や箇条書きの記号、Markdown の * や # は読み飛ばします。また、音声モデルは音声の生成専用で、チャットや埋め込みのリクエストを送ると 400 エラーになります。

    確認すること

    • Apple Silicon の Mac か、Ollama が v0.40.9 以降か(最新は v0.40.11 以降)

    • ollama show phonon で capabilities に speech があるか、使いたい声があるか

    • 読み上げたい言語が対応5言語(英語、フランス語、ドイツ語、スペイン語、ポルトガル語)に入っているか

    • 商用で使うなら、モデルのライセンス(31M英語は Apache 2.0、40Mは CC BY-NC 4.0)

    • OpenAI 向けのコードを流用するなら、response_format・speed・instructions の指定

    本文は、2026年10月28日時点で確認した公式のリリースノート、ドキュメント、モデルページの内容です。対応する環境や言語、モデルは変わることがあるので、最新は公式で確認してください。

    関連記事

    出典:

    開発ツールの仕様変更・提供終了の情報を毎朝お届けしています。見逃したくない方は、フォローしてください。

     
     

    HARu

     
     
    バックエンドエンジニア。Claude・GitHub・ローカルLLMなど開発ツールの新機能や仕様変更を、公式ドキュメントをもとに日本語で整理しています。「自分に関係あるか」「何を直せばいいか」がすぐ分かる記事を毎朝更新。記事はClaudeと一緒に作っています。

    あなたへのおすすめ