Für Deutsch wählst du phonon:40m-de. Der englische Standard und die 40M-Varianten haben unterschiedliche Lizenzen. Die aktuelle Ollama-Ankündigung nennt macOS; Windows und Linux sind dort erst angekündigt.
Was Phonon zu Ollama hinzufügt
Phonon ist eine Text-to-Speech-Familie von Gradium: Du gibst einen fertigen Text ein und erhältst gesprochenes Audio. Die Sprachsynthese prüft keine Fakten und formuliert die Antwort eines anderen Modells nicht automatisch besser. Für einen Lerntext kontrollierst du deshalb erst die Aussage und anschließend die Aussprache.
Der Vorteil eines lokalen Aufbaus ist die kurze Verbindung zwischen deinem Text, der Laufzeit auf dem Rechner und der Audiodatei. Ein zusätzlich eingebauter Cloud-Dienst kann diesen Datenweg wieder ändern. Falls du zuerst zwischen Browser-Voiceover und eigener Integration entscheiden möchtest, kannst du KI-Stimmengeneratoren nach Aufgabe auswählen.
Zuerst Rechner, Ollama und Sprachmodell prüfen
Für den hier beschriebenen Start brauchst du einen Apple-Silicon-Mac. Die Launch-Anleitung empfiehlt Ollama 0.40.11 oder neuer; Bibliothek und Speech-Guide nennen 0.40.9 als technische Untergrenze. Verwende für den Einstieg einen aktuellen unterstützten Stand. Aus der Erwähnung eines Windows- oder Linux-Audioplayers in einer allgemeinen Anleitung folgt noch keine dort verfügbare Phonon-Unterstützung.
Gradium bietet auch andere Laufzeiten an. Deren Geräteunterstützung ist nicht identisch mit der Umsetzung in Ollama. Wenn dir diese Trennung noch neu ist, kannst du zuerst Ollama und lokale Modelle unterscheiden.
Dokumentiertes Beispiel · nicht hier ausgeführt
ollama --version
ollama pull phonon:40m-de
ollama show phonon:40m-deNotiere die installierte Version und den tatsächlich geladenen Modellnamen. Der Abruf lädt Modelldaten. Erst danach lässt sich der lokale Syntheseweg sinnvoll ohne Netzverbindung prüfen. Ein erfolgreicher Download allein ist noch keine erfolgreiche Audioausgabe.
Deutsch auswählen und die Lizenz mitdenken
| Modellname | Sprache | Vor dem Einsatz klären |
|---|---|---|
phonon / phonon:31m-en | Englisch | Apache 2.0; Lizenzpflichten beachten. |
phonon:40m-de | Deutsch | CC BY-NC 4.0; nicht für kommerzielle Nutzung freigegeben. |
phonon:40m-multilingual | Deutsch, Englisch, Französisch, Spanisch und Portugiesisch | Ebenfalls CC BY-NC 4.0. Mehr Sprachen ändern die Lizenz nicht. |
Eine lokal ausführbare Datei ist nicht automatisch für jeden Veröffentlichungszweck freigegeben. Für einen kommerziellen deutschen Einsatz nennt Gradium einen gesondert zu klärenden Weg. Prüfe außerdem die Bedingungen der gewählten Stimme und die Rechte am Ausgangsmaterial. Dieser Guide erteilt keine Nutzungslizenz.
Beginne mit einer Stimme, die ollama show für den gewählten Checkpoint tatsächlich ausweist. Übernimm einen Namen nicht blind aus einem englischen Beispiel. Ein freies Stimmenverzeichnis ist keine Zusage, dass jede Stimme zu jeder Variante passt.
Eine kurze deutsche Ausgabe erzeugen
Unser eigener Probentext ist absichtlich kurz: „Das Treffen beginnt am dritten November. Der Eintritt kostet zwölf Euro fünfzig.“ Er enthält ein Datum und einen Betrag, ohne private Daten zu benötigen. Die ausgeschriebene Form macht klar, wie die Zahl gesprochen werden soll.
Dokumentiertes Beispiel · nicht hier ausgeführt
ollama run phonon:40m-de "Das Treffen beginnt am dritten November. Der Eintritt kostet zwölf Euro fünfzig."Höre zunächst auf Verständlichkeit, Wortenden und Pausen. Wenn eine Stelle nicht passt, ändere nur diese Textstelle und wiederhole den Versuch. So erkennst du, ob die Anpassung hilft. Ohne eine festgehaltene Ausgangsfassung ist ein Hörvergleich schwer nachvollziehbar.
Dokumentiertes Beispiel · nicht hier ausgeführt
ollama run phonon:40m-de "Das Treffen beginnt am dritten November." > sprechprobe.wavDie Umleitung speichert die Ausgabe statt sie direkt über den Lautsprecher abzuspielen. Prüfe, ob die Datei existiert und sich mit einem Audioplayer öffnen lässt. Ein Dateiname mit .wav beweist noch keinen richtigen Inhalt. Ollama dokumentiert 24 kHz, Mono und WAV als Standard; der Streaming-Header kann zunächst maximale Größenfelder enthalten.
Die Speech-API an eine Anwendung anbinden
Für eine eigene Oberfläche verwendest du den Audioendpunkt /v1/audio/speech. Ein Chat- oder Embedding-Endpunkt ist dafür nicht austauschbar. Zum allgemeinen Request-Aufbau kannst du die Ollama-API gezielt ansprechen.
Dokumentiertes Beispiel · nicht hier ausgeführt
curl http://localhost:11434/v1/audio/speech \
-H "Content-Type: application/json" \
-d '{"model":"phonon:40m-de","input":"Bitte prüfe die Datei vor der Veröffentlichung.","response_format":"wav"}' \
--output pruefung.wavDas Beispiel ist für eine macOS-Shell geschrieben und wurde hier nicht ausgeführt. Die lokale Ollama-Adresse ist kein öffentlich freizugebender Server. In einer App gehören ein Abbruchknopf, sichtbare Fehlermeldungen und eine begrenzte Eingabelänge dazu. Der dokumentierte Endpunkt erlaubt bis zu 4.096 Zeichen pro Anfrage; lange Texte teilst du sinnvoll nach Absätzen.
Wenn nichts zu hören ist: die Ursache eingrenzen
| Beobachtung | Zuerst prüfen | Danach |
|---|---|---|
| Modell lässt sich nicht ausführen | Apple Silicon, Version und exakten Tag kontrollieren | Noch nicht unterstützte Plattform nicht mit einem Audioplayerproblem verwechseln. |
| HTTP 400 bei einer Stimme | Verfügbare Stimmen aus der Fehlermeldung bzw. Modellanzeige lesen | Mit einer dort angebotenen Stimme wiederholen. |
| HTTP 400 beim Format | Unterstütztes WAV oder PCM anfordern | Kein MP3-Feld aus einem anderen Anbieter übernehmen. |
| Datei da, aber unverständliche Passage | Denselben kurzen Text mit ausgeschriebener Zahl prüfen | Erst dann Stimme oder Modell ändern. |
Für einen ersten eigenen Vergleich reichen ein kurzer Satz, eine Zahl und ein Name, dessen Aussprache du kennst. Notiere Modell, Stimme und Textfassung. Erst wenn diese Probe brauchbar ist, lohnt sich der längere Artikel oder die nächste Lerneinheit.
Häufige Fragen
Läuft Phonon in Ollama schon unter Windows und Linux?
Die am 26.10.2026 geprüfte Ankündigung nennt zunächst Apple-Silicon-Macs. Windows und Linux sind dort angekündigt. Andere Phonon-Laufzeiten haben eigene Voraussetzungen.
Welches Phonon-Modell spricht Deutsch?
Die Ollama-Bibliothek nennt phonon:40m-de sowie die mehrsprachige 40M-Variante. Das englische Standardmodell ist davon zu unterscheiden.
Darf ich die deutsche Ausgabe kommerziell verwenden?
Die 40M-Modelle stehen unter CC BY-NC 4.0. Kläre eine kommerzielle Nutzung gesondert mit dem Anbieter und prüfe auch Stimmen- und Eingaberechte.
Kann ich Audio ohne Cloud-Anfrage erzeugen?
Der beschriebene Syntheseweg nutzt einen lokal geladenen Checkpoint. Zusätzliche Dienste deiner Anwendung können trotzdem Daten übertragen. Prüfe den vollständigen Aufbau.
Hat Tokenwerk die Stimmen selbst getestet?
Für diesen Guide nicht. Die Befehle und Abnahmefälle wurden anhand der Originaldokumentation vorbereitet; es wird keine gemessene Sprechqualität behauptet.
Quellen & Methode
Vorgehen und Grenzen
Vier vollständige Originalquellen am 26. Oktober 2026 gelesen und gegeneinander geprüft. Die Beispiele, Prüffälle und Grafiken wurden für diesen Guide erstellt. Es wurde dafür kein Modell aufgerufen, keine Audiodatei erzeugt und kein Benutzerkonto verändert. Code und erwartete Prüfkriterien sind von tatsächlichen Ergebnissen getrennt. Preise, Verfügbarkeit und Oberflächen können sich ändern.
Bei Recherche, Texterstellung und Grafiken wird KI eingesetzt. Welche eigenen Versuche vorliegen und was nur als Beispiel dient, beschreibt dieser Beitrag. Unser Redaktionsstandard erklärt die Anforderungen an Belege und Berichtigungen.
