La technologie de l’IA ne cesse de progresser, et un acteur se démarque par son approche unique : Ollama. Cette application, axée sur l’exécution de modèles d’IA localement, vient de franchir une nouvelle étape avec l’ajout de la génération de voix à partir de texte sur macOS. Explorons ensemble cette innovation passionnante qui transforme l’expérience utilisateur.
Ollama et les modèles de parole
Pour ceux qui découvrent Ollama, il s’agit d’une plateforme permettant de télécharger et d’exécuter des modèles d’IA open-source directement sur votre Mac. De plus, elle permet aussi d’accéder à des modèles plus avancés via le cloud. Ce logiciel est également compatible avec Windows et Linux.
Ollama est un projet open-source qui a conquis la communauté sur GitHub avec près de 185 000 étoiles et environ 18 600 forks. C’est donc un outil prisé qui mérite d’être exploré.
Sur macOS, Ollama utilise le cadre d’apprentissage automatique MLX d’Apple, profitant de l’architecture à mémoire unifiée des puces Apple Silicon pour exécuter les modèles d’IA de manière plus rapide et efficace.
Une fois Ollama installé, les utilisateurs peuvent facilement télécharger des modèles d’IA open-source à partir de dépôts comme Hugging Face et les utiliser directement sur leur Mac, offrant ainsi une autonomie précieuse sans besoin d’une connection internet.
Ollama a récemment intégré le modèle Phonon, qui autorise la génération de voix, permettant aux utilisateurs de découvrir une nouvelle dimension aux échanges avec l’IA.
Selon les explications d’Ollama, la voix est générée en temps réel, offrant la possibilité d’écouter les réponses de l’IA au fur et à mesure de leur production. C’est une avancée significative pour améliorer l’interaction.
Ollama permet désormais de convertir facilement du texte en parole, en se basant sur le modèle Phonon, une famille de modèles conçus par Gradium. Ces modèles sont désormais disponibles pour macOS, avec une prise en charge de Windows et Linux à venir.
Grâce à MLX, Ollama a réussi à atteindre une vitesse de génération de voix 35 % plus rapide par rapport à la version de Gradium, tout en conservant un taux d’erreur comparable à celui des références trouvées dans Hugging Face Transformers.
Le modèle Phonon propose des prises en charge pour cinq langues : anglais, français, allemand, français et portugais. Il existe également un modèle multilingue qui regroupe ces cinq langues, offrant flexibilité et diversité dans les applications.
Les utilisateurs disposent également de plusieurs voix avec des accents distincts, notamment l’anglais américain et britannique, permettant ainsi une personnalisation selon leurs préférences.
Ces nouveaux modèles de voix sont dès à présent accessibles pour les Macs équipés de la puce Apple Silicon, fonctionnant sur la version Ollama 0.40.11 ou supérieure. Il suffit de télécharger Phonon via Ollama pour commencer à explorer ces fonctionnalités.
Pour écouter des échantillons audio ou en savoir plus sur les nouvelles capacités de génération de voix d’Ollama, y compris les instructions et les exemples de code pour utiliser les modèles via son API, vous pouvez consulter le site officiel de la plateforme.