Ollamaが音声生成に対応｜Phononの日本語対応・使えるMac・商用利用の条件

0110月24日、OllamaがPhononの音声生成を発表

Ollamaは2026年10月24日、文章を音声に変換する機能を発表しました。初期対応モデルは、Gradiumが開発した小型の音声モデル「Phonon」です。OllamaはAIモデルを手元のパソコンで動かすソフトです。

公式発表と音声機能の説明では、コマンドからの再生、声の選択、WAVファイルへの保存が案内されています。英語の作品紹介や操作説明に使う人は、短い原稿で用途に合うかを確かめられます。

10月26日に確認した発表では、音声モデルはApple Silicon Mac向けで、WindowsとLinuxには今後対応するとしています。発表日と、すべてのPCで使える日は分けて考えます。編集部のWindows環境ではOllamaの音声生成を試していません。以下の試し原稿と確認表は編集部が提案する練習用で、生成結果や実測値ではありません。

02日本語は公式一覧にない。使えるPCとバージョンを確かめる

公式の対応言語として挙がっているのは、英語・フランス語・ドイツ語・スペイン語・ポルトガル語です。日本語は一覧にありません。Ollamaの言語表とGradiumの製品ページで照合しました。日本語ナレーションを納品する仕事では、日本語対応を確認できる方法を選びます。

Ollamaの発表はApple Silicon Macと0.40.11以降を案内しています。一方、現行のSpeechドキュメントの準備欄には0.40.9以降とあり、再生方法の説明にはWindowsやLinuxの名前も出てきます。この記事では、新機能の提供開始を明示した発表に合わせ、Apple Silicon Macで0.40.11以降を使う前提で手順を示します。Windows版の提供完了は、これらの記載からは確認できません。

Phonon自体は、Ollamaより広い環境で動かす方法も案内されています。開発元の実装にはWindows向けの配布物やブラウザー向けの方法がありますが、Ollamaとは別の導入手順です。Windowsで使う場合は、開発元が案内する方法を確認します。

0331Mと40Mはライセンスが異なる。仕事で使うモデル名を控える

Ollama公式発表

Ollamaで標準の「phonon」として案内されるのは、英語の31Mモデルです。ライセンスはApache 2.0。一方、40Mの各言語モデルと多言語モデルはCC BY-NC 4.0で、非商用利用の条件があります。この区別はOllamaの発表、Gradiumの比較表、開発元リポジトリのモデル表で一致しています。

「英語も話せる」という理由だけで40Mへ切り替えると、利用条件も変わります。仕事で使う音声なら、モデル名とライセンスを記録してください。Gradiumは40Mの商用利用について営業窓口への相談を案内しています。個別契約での扱いは、この表だけでは判断できません。

画像には、発表ページの対応言語とライセンス表記を引用しています。モデルごとの条件を比べるための資料です。実際の生成画面や出力音声ではありません。

04Macで試すなら、まず一文を再生してWAVに保存する

以下は公式コマンドに沿った練習です。対象のMacでOllamaを起動し、公式発表にあるバージョンを確認します。最初の動作確認には、機密情報や実在の顧客名を含まない短い英語を使います。

下の三つのコマンドは、モデルの取得、読み上げ、WAVへの保存の順です。macOSのターミナルで一行ずつ実行する想定にしています。出力先には、既存ファイルと重ならない名前を付けてください。編集部ではコマンドの実行、音質、生成時間、編集ソフトでの読み込みを確認していません。

保存したファイルを開き、先頭と末尾の単語が聞こえるかを確かめます。声を変えたいときは「ollama show phonon」で名前を確認してから、公式例の「--voice」に指定します。最初から複数の声や長文を試すと、原稿と声のどちらで聞こえ方が変わったかを追いにくくなります。

公式ドキュメントでは、標準の音声出力を24kHz・モノラルのWAVと説明しています。動画へ入れる場合は、保存後に普段の編集ソフトで読み込み、共有する動画でも通して再生しましょう。音声生成に翻訳・字幕・BGMの機能は含まれていません。

ollama pull phonon
ollama run phonon "Welcome to our autumn exhibition."
ollama run phonon "Welcome to our autumn exhibition." > exhibition-test-01.wav

05架空の展示案内で、展示内容・日付・部屋番号を聞き直す

以下は編集部が作った架空の英語原稿です。「秋の展示を、11月8日に、12号室で行う」という三つの情報を聞き取れるかを確かめます。実在のイベントの告知でも、Phononで生成した音声の書き起こしでもありません。

比較用に原稿AとBを用意しました。Aの「11/8」は読み方や日付の解釈を確かめたい表記、Bの「November eighth」は意図する読みを明示した表記です。公式ドキュメントも日付を省略せず書くことを勧めています。Bが必ず自然に読まれると保証するものではないので、実際の音声を聞いて判断します。

まず同じ声でAとBを一つずつ保存し、「秋の展示」「11月8日」「12号室」が聞こえるかを原稿と照合します。合わない言葉だけ直し、声・モデル・原稿の全てを一度に変えないようにします。記入シートには、使ったモデル、声、版、聞き間違えた箇所と再確認の結果を残せます。

三つの情報が聞き取れ、音声の冒頭と末尾が欠けず、動画の尺に収まれば、この練習は完了です。長さは自分の保存音声で測ります。公式の速度比較は特定のMacと測定条件によるため、手元の待ち時間や日本語品質の目安には使えません。

原稿A
Welcome to our autumn exhibition. Join us on 11/8 in Room 12.

原稿B
Welcome to our autumn exhibition. Join us on November eighth in Room twelve.

06日本語の音声は別の方法で作る。英語で試すなら一つ仕上げる

日本語音声が必要な仕事では、現時点で使える日本語対応ツールを選ぶのが現実的です。Windows・LinuxでOllamaを使いたい人は、公式案内で提供開始を確認します。今回の発表を理由にPCを買い替えたり、受講契約を急いだりする必要はありません。

対象のMacと英語原稿があり、利用条件を確認できるなら、まず上の架空課題を一つ試してください。聞き直して直せるなら独学を続けられます。原稿は読めても、映像と声のタイミングや音量をそろえるところで止まる場合は、修正前後の動画を添削の相談に使えます。

講座を比較するときは、読み上げ操作に加えて、原稿の修正、音量調整、映像との同期、再提出まで見てもらえるかを確かめます。OllamaやPhononを扱う講座があるかは、今回調査していません。