ข่าวเผยแพร่โดย LocalAI Thailand
Ollama เพิ่ม Phonon สร้างเสียงอ่าน
ประเด็นสำคัญ
ก่อนทำเสียงอ่านให้ลูกค้า ให้ตกลงผู้อนุมัติข้อความ ผู้ฟังตรวจเสียง และรุ่นไฟล์ที่จะเผยแพร่ เก็บหลักฐานสิทธิ์ของโมเดลกับสิทธิ์ใช้เสียงแยกกัน แล้วเริ่มจากสคริปต์สั้นที่ทีมตรวจความหมายได้
- ข่าววันที่
- ตรวจทานล่าสุด
- เวลาอ่าน
- ประมาณ 4 นาที

Ollama เพิ่ม Phonon ให้สร้างเสียงจากข้อความ
Ollama ประกาศเพิ่ม Phonon วันที่ 24 ตุลาคม 2026 สำหรับสร้างเสียงอ่านจากข้อความในเครื่อง ผ่าน Ollama 0.40.11 ขึ้นไป โดยการรองรับครั้งนี้จำกัดที่ Mac ชิป Apple Silicon ส่วน Windows และ Linux ยังเป็นแผนถัดไป
Gradium ระบุวันที่ 20 ตุลาคม ว่ารุ่นภาษาอังกฤษ 31M ใช้ Apache 2.0 ส่วนรุ่น 40M ใช้ CC BY-NC 4.0 สำหรับงานไม่ใช่เชิงพาณิชย์ ภาษาที่ประกาศมีห้าภาษาโดยไม่มีภาษาไทย จึงยังใช้ข่าวนี้ยืนยันงานเสียงไทยไม่ได้
สำหรับ SME ข้อวิเคราะห์ของเราคือการสร้างคลิปได้ควรตามด้วยขั้นอนุมัติงานที่ชัดเจน เสียงที่ฟังเป็นธรรมชาติอาจยังอ่านชื่อสินค้า จำนวนเงิน หรือเงื่อนไขผิด เริ่มจากข้อความภาษาอังกฤษที่คนในทีมอ่านเข้าใจ และฟังเทียบกับต้นฉบับได้ก่อน
แบ่งจุดตรวจตั้งแต่สคริปต์ถึงไฟล์ส่งมอบ
ตั้งชื่อชิ้นงานเดียวกันให้เชื่อมโยงข้อความ รุ่นโมเดล เสียงที่เลือก และคลิปที่ได้ ผู้ตรวจควรรู้ว่ากำลังฟังฉบับไหน เมื่อแก้ข้อความแล้วให้สร้างไฟล์ใหม่และเก็บฉบับเดิมไว้เทียบระหว่างทดลอง อย่าส่งไฟล์ที่ยังไม่ผ่านการฟังไปปะปนกับไฟล์พร้อมใช้งาน
| ชิ้นงาน | ผู้รับผิดชอบที่ควรระบุ | จุดผ่านก่อนส่งต่อ |
|---|---|---|
| สคริปต์ต้นฉบับ | เจ้าของเนื้อหา | ตรวจชื่อ จำนวน และเงื่อนไขครบ |
| บันทึกรุ่นและสิทธิ์ | คนเลือกเครื่องมือ | ระบุไฟล์โมเดลและเงื่อนไขที่ตรวจแล้ว |
| คลิปแรก | คนสร้างเสียง | ผูกชื่อไฟล์กับสคริปต์ฉบับเดียวกัน |
| รายการแก้เสียง | คนฟังตรวจ | ทำเครื่องหมายคำผิดและตำแหน่งที่ต้องแก้ |
| คลิปส่งมอบ | ผู้อนุมัติงาน | ยืนยันว่าเป็นฉบับที่ฟังตรวจแล้ว |
ตารางนี้เป็นวิธีทดลองที่เสนอ ไม่ใช่ผลทดสอบ Phonon ของเรา ควรตกลงด้วยว่าหากฟังแล้วชื่อเฉพาะยังผิด จะเปลี่ยนคำเขียน อัดเสียงเอง หรือหยุดใช้คลิปนั้น การมีทางเลือกช่วยให้ทีมไม่จำเป็นต้องยอมรับไฟล์เพียงเพราะสร้างเสร็จแล้ว
ตรวจสิทธิ์และทางเดินข้อมูลก่อนใช้กับงานจริง
เก็บชื่อรุ่นและเงื่อนไขสิทธิ์ของไฟล์ที่ใช้จริงไว้กับชิ้นงาน อย่าอาศัยเพียงชื่อครอบครัวโมเดล หากเงื่อนไขไม่ตรงกับการใช้งานเชิงพาณิชย์ ให้หาข้อยุติกับผู้ให้สิทธิ์ก่อนเผยแพร่ การเลือกเสียงของบุคคลอื่นก็ต้องตรวจขอบเขตที่เจ้าของเสียงยินยอมแยกต่างหาก
ตรวจทั้งจุดนำเข้าข้อความ ขั้นเลือกหรือสร้างเสียง ที่เก็บคลิป และช่องทางส่งลูกค้า การประมวลผลบางขั้นในเครื่องยังไม่ยืนยันว่าทุกขั้นตัดอินเทอร์เน็ตได้ ข่าวนี้ไม่ได้ยืนยันว่า Phonon รวมอยู่ใน Mimir หรือให้ผลตามเป้าหมายบนเครื่องที่ทีมมี ควรระบุสภาพแวดล้อมที่ทดลองและฟังผลจริงโดยไม่ตั้งคำรับรองด้านความเร็วล่วงหน้า
วิดีโอ Xybrid - Phonon Demo ของ Xybrid เผยแพร่วันที่ 18 ตุลาคม และ Gradium นำมาแสดงเป็นเดโมเกมที่ใช้ Phonon วิดีโอนี้เป็นบริบทของโมเดล ไม่ใช่เดโมการเพิ่มฟีเจอร์ใน Ollama งานสำนักงาน หรือผลเสียงภาษาไทย
เริ่มจากงานที่คนตรวจและตัดสินใจได้
เลือกหนึ่งสคริปต์ หนึ่งคนอนุมัติ และหนึ่งช่องทางส่งมอบเป็นขอบเขตทดลอง บันทึกข้อผิดพลาดก่อนเพิ่มจำนวนคลิป แล้วใช้แนวทางบริการ Local AI สำหรับธุรกิจ เพื่อวางงานติดตั้งและการดูแลให้เข้ากับขั้นตอนที่ทีมรับผิดชอบได้จริง
คำถามที่พบบ่อย
- สิทธิ์ของโมเดลใช้แทนการขอใช้เสียงของคนอื่นได้หรือไม่
- ควรตรวจแยกกันว่าใช้โมเดลได้ในงานที่ตั้งใจหรือไม่ และเจ้าของเสียงอนุญาตให้ใช้เสียงอย่างไร การผ่านข้อใดข้อหนึ่งยังไม่ตอบอีกข้อ เก็บขอบเขตที่ตกลงไว้กับงานนั้น
- งานทดลองเสียงอ่านครั้งแรกควรมีขอบเขตแค่ไหน
- ใช้ข้อความสั้นที่ไม่เป็นความลับ มีคนอนุมัติเนื้อหา และมีคนฟังเทียบกับต้นฉบับได้ จบการทดลองด้วยไฟล์ที่ระบุสถานะชัดเจนก่อนเพิ่มจำนวนงาน
วิดีโอที่เกี่ยวข้อง
Xybrid - Phonon Demo
Xybrid · เผยแพร่
วิดีโอประกอบความเข้าใจ
ดูวิดีโอต้นทางบน YouTube
แหล่งข้อมูล
- Speech models in Ollama
Ollama
- เผยแพร่ต้นทาง
- เข้าถึงข้อมูล
- Open-Sourcing Phonon: A Suite of Frontier On-Device TTS Models
Gradium
- เผยแพร่ต้นทาง
- เข้าถึงข้อมูล