近日，本地运行大模型的开源平台Ollama宣布其Mac应用正式迎来重大更新，首次加入文本转语音功能。这一升级标志着本地AI助手正从传统的“能读会写”向“能开口说话”的交互阶段全面迈进，而Windows和Linux版本也将随后跟进。
在底层技术与隐私保护方面，首个获得支持的语音模型为Gradium开发的Phonon系列。该模型体积小巧且技术指标先进，用户无需依赖任何云端服务，即可通过Ollama直接下载并在Apple Silicon芯片的Mac设备上运行，非常契合注重数据隐私和离线使用的实际场景。依托macOS系统，Ollama采用了苹果开源的机器学习框架MLX，充分挖掘了Apple Silicon统一内存架构的硬件优势来大幅提升运行效率。
官方测试数据表明，在搭载M5Max芯片的MacBook Pro上运行Phonon时，其语音生成速度比Gradium自身实现还要快上35%，同时保持了与Hugging Face Transformers参考实现相当的极低词错误率。此外，该功能还支持实时语音生成，用户无需等待AI将整段文本全部输出，便能在回答生成的过程中同步听到对应的语音，带来了更加自然流畅的类人对话体验。
在具体音色与语言支持上，Phonon目前涵盖英语、法语、德语、西班牙语和葡萄牙语这五种语言的独立模型，并配备了支持全部五种语言的多语言通用模型，同时允许用户根据喜好自由选择美式或英式等不同口音。作为GitHub上备受欢迎的开源项目，Ollama目前已拥有近18.5万颗Star和约1.86万个Fork，持续为开发者和普通用户提供便捷、安全的本地大模型运行方案。
10月27日，世航智能透露，其自主研发的海洋通用基座大模型“沧穹 CEORION”已正式完成国家网信办备案，成为全球首个海洋通用基座大模型，填补行业空白。该模型深度融合语义理解、环境建模和动作生成，具备强大通用智能，可提供水下环境感知、任务研判、路径规划、自主作业及应急处置等全流程自主能力。
据《财富》，Anthropic已向美SEC提交S-1注册声明，披露七位联合创始人当前身价各约140亿美元（约930亿元人民币），股权近乎均等。按每股58.90美元参考价估算，每人身价137亿至144亿美元；七人合计持约16.9亿股，占总股本10%。若顺利上市、估值上行，财富有望翻一番。
人工智能资本与硬件狂潮再迎重磅进展。博通与Anthropic敲定一笔630亿美元债务融资，用于支持庞大AI基础设施建设。为促成这笔史无前例的交易，博通CEO紧急介入，耗时近两个月奔走，说服各大银行为超400亿美元贷款提供资金承诺。
文章指出，Token作为计量单位正改写成本、定价与组织假设，使智力产出可计量、比价和交易。10月26日，中信出版集团与腾讯研究院举办《Token经济》论坛，经济学界、研究机构与产业嘉宾就影响给出不同答案。国家数据局数据显示，中国日均Token调用量从2024年初约1000亿快速增长。论坛聚焦Token经济对经济学的挑战。
蚂蚁集团推出灵光2.0，将AI助理从被动执行推向主动服务。核心变化是任务介入起点前移：获授权后，AI能结合已接入的信息与服务，自主识别潜在需求，发起分析、监测和跟进，并在合适节点提醒用户，实现长期盯守事务；其背后依托跨系统协同能力。
关注 “悠AI” 更多干货技巧行业动态
相关文章
