Ollama برای Mac از مدل های محلی تبدیل متن به گفتار پشتیبانی می کند

Ollama، برنامه محبوب برای اجرای مدل های هوش مصنوعی به صورت محلی، اعلام کرد که برنامه مک آن اکنون از تولید متن به گفتار پشتیبانی می کند و به زودی از ویندوز و لینوکس پشتیبانی می کند. در اینجا جزئیات است.

اگر با Olama آشنایی ندارید، این پلتفرمی است که به کاربران امکان می‌دهد مدل‌های هوش مصنوعی باز را به صورت محلی در مک خود دانلود و اجرا کنند یا از طریق ابر به مدل‌های قدرتمندتر دسترسی داشته باشند. برای ویندوز و لینوکس نیز موجود است.

Ollama خود منبع باز است و با نزدیک به 185000 ستاره و حدود 18600 فورک به یکی از محبوب ترین پروژه های هوش مصنوعی در GitHub تبدیل شده است. در اینجا می توانید در مورد آن بیشتر بدانید.

در macOS، اولاما از MLX اپل استفاده می‌کند، یک چارچوب یادگیری ماشین منبع باز که از معماری حافظه یکپارچه اپل استفاده می‌کند و به مدل‌های هوش مصنوعی پشتیبانی‌شده امکان می‌دهد سریع‌تر و کارآمدتر اجرا شوند.

هنگامی که کاربران Ollama را راه‌اندازی کردند، می‌توانند مدل‌های AI منبع باز سازگار را از مخازنی مانند Hugging Face دانلود کرده و مستقیما در مک خود اجرا کنند.

این بدان معناست که آن‌ها می‌توانند بدون اتصال به اینترنت یا ارسال داده‌های خود به سرورهای خارجی از هوش مصنوعی استفاده کنند، اگرچه عملکرد و اندازه مدل‌هایی که می‌توانند اجرا کنند به شدت به سخت‌افزار مک آنها بستگی دارد.

گفتنی است، Ollama اخیرا پشتیبانی از Phonon را اعلام کرد، خانواده ای از مدل های تبدیل متن به گفتار که توسط Gradium توسعه یافته است و اولین باری است که این پلتفرم از تولید گفتار پشتیبانی می کند.

همانطور که اولاما توضیح می‌دهد، گفتار در زمان واقعی تولید می‌شود، به این معنی که کاربران می‌توانند در حین تولید به پاسخ‌های تولید شده توسط هوش مصنوعی گوش دهند، نه اینکه منتظر تمام شدن پاسخ باشند.

Ollama اکنون می تواند متن را به گفتار تبدیل کند. اولین مدل گفتار Phonon، خانواده ای از مدل های کوچک و پیشرفته تبدیل متن به گفتار از Gradium است. مدل‌های گفتار اکنون برای macOS در دسترس هستند و به زودی از ویندوز و لینوکس پشتیبانی می‌کنند.

این پلتفرم می‌گوید که به لطف چارچوب MLX اپل، در آزمایش‌های مک‌بوک پرو با M5 Max، 35 درصد سریع‌تر از پیاده‌سازی Gradium به تولید گفتار دست یافته است، در حالی که با نرخ خطای کلمه اجرای مرجع در Hugging Face Transformers مطابقت دارد.

Phonon از پنج زبان (انگلیسی، فرانسوی، آلمانی، اسپانیایی و پرتغالی) با مدل های جداگانه برای هر زبان، و همچنین یک مدل چند زبانه که هر پنج زبان را پشتیبانی می کند، پشتیبانی می کند.

کاربران همچنین می توانند بسته به مدل صداهای مختلف با لهجه های مختلف از جمله انگلیسی آمریکایی و انگلیسی را انتخاب کنند.

مدل‌های گفتاری جدید اکنون برای مک‌های سیلیکونی اپل که Ollama 0.40.11 یا بالاتر دارند در دسترس هستند. کاربران می توانند با دانلود مستقیم Phonon از طریق Olama شروع به کار کنند.

برای گوش دادن به نمونه‌های صوتی یا کسب اطلاعات بیشتر در مورد قابلیت‌های جدید تولید گفتار Ollama، از جمله دستورالعمل‌ها و نمونه‌های کد برای استفاده از مدل‌ها از طریق API، این پیوند را دنبال کنید.

FTC: ما از پیوندهای وابسته خودکار برای کسب درآمد استفاده می کنیم. بیشتر

برای اخبار بیشتر اپل، 9to5Mac را در YouTube بررسی کنید:

منحنی پیشرو در برنامه فردا iOS و Mac h…