LFM3-Audio i Ollama: svenskt tal och transkribering lokalt

Ollama v0.40.12, släppt 27 oktober 2026, lade till Liquid AI:s modellfamilj LFM3. I familjen finns lfm3-audio, som enligt release-noten klarar taligenkänning, översättning och text till tal på 18 språk. I den versionen stöddes LFM3 bara på Apple-hårdvara. Dagen efter, 28 oktober 2026, kom v0.40.13: LFM3-modellerna, uttryckligen inklusive talsyntesen i lfm3-audio och lfm3-omni, körs nu också på Linux och Windows.

Vad modellsidan anger

Modellsidan för lfm3-audio beskriver en kompakt ljudmodell som tar text eller ljud som indata och svarar med text, tal eller båda. Uppgifterna nedan kontrollerades 3 nov 2026.

Sidan säger också att modellen inte rekommenderas för agentisk kodning eller komplex resonering i flera steg, på grund av sin storlek. Kontextuppgiften går isär mellan beskrivningen och taglistan; räkna med den lägre siffran tills Ollama rättar en av dem. Licensen namnges men villkoren återges inte på sidan, så läs licenstexten innan du använder genererat tal i något du säljer.

Det som inte står i källorna

Modellsidans exempel är vanlig textchatt: ollama run lfm3-audio och ett anrop till /api/chat med ”Hello!”. Där finns inget exempel på hur du skickar in en ljudfil eller får tillbaka tal. Release-noterna visar det inte heller. Hur svensk uppläsning låter, vilka röster modellen har och hur ofta transkriptet blir rätt på svenska står ingenstans. Vi har inte kört modellen, så den här artikeln påstår inget om kvaliteten.

Skicka in svenskt ljud

Ollamas sida om OpenAI-kompatibilitet beskriver /v1/audio/transcriptions för ”modeller som tar emot ljud”. Filen ska vara WAV, högst 512 MB och 2 timmar. Fältet language tar en ISO 639-1-kod, för svenska sv; utelämnas det gissar modellen språket. Ljud längre än vad modellen tar på en gång, 30 sekunder för nuvarande modeller, delas vid pauser. Sidan nämner inte lfm3-audio vid namn, så börja med att se vad din installation säger om modellen:

ollama pull lfm3-audio
ollama show lfm3-audio

Gör om inspelningen till mono-WAV i 16 kHz, samma takt som ljudkodaren, och skicka den. Anropet följer dokumentationens fältlista och är inte provkört av redaktionen:

ffmpeg -i inspelning.m4a -ac 1 -ar 16000 prov.wav

curl http://localhost:11434/v1/audio/transcriptions ^
  -F model=lfm3-audio ^
  -F language=sv ^
  -F response_format=text ^
  -F file=@prov.wav

Raderna med ^ gäller Kommandotolken i Windows; i PowerShell skriver du curl.exe och allt på en rad. Avvisar servern modellen har du fått svaret för din Ollama-version: skriv ned felmeddelandet. Vill du ha svensk text från engelskt tal finns sedan v0.40.12 /v1/audio/translations, där to_language anger målspråket och engelska gäller om du inte anger något.

Få svenskt tal ut

Här är källorna tunnast. Release-noten för v0.40.13 säger att talsyntesen i lfm3-audio körs på Linux och Windows, men ingen sida visar anropet. Den dokumenterade vägen för tal i Ollama är /v1/audio/speech, med röster som ollama show listar, högst 4 096 tecken per anrop och WAV i 16 bitar, mono, 24 kHz. Ser du förmågan speech och röster i ollama show lfm3-audio är det den vägen du provar, med "model": "lfm3-audio" i stället för phonon. Ser du dem inte är talutgången för den här modellen ännu inte dokumenterad i Ollama, och då väntar du hellre än gissar. Den dokumenterade Phonon-vägen och svenska alternativ finns i artikeln om text till tal lokalt.

Provet: räcker LFM3-Audio för dig?

Jämför mot det du redan kör. För transkribering är det ofta Whisper, som artikeln om Whisper lokalt går igenom med ett eget prov.

1. Spela in 30–60 sekunder svenska med två namn, ett telefonnummer och ett datum. Skriv ett facit ordagrant innan du transkriberar.
2. Transkribera samma fil med lfm3-audio och med Whisper. Räkna fel i namn, siffror och datum mot facit, inte hur flytande texten ser ut.
3. Läs upp fem svenska meningar med siffror, en förkortning och ett ortnamn, om talutgången finns i ditt ollama show. Lyssna mot din nuvarande talsyntes.

Tabellen är en blankett, inga uppmätta värden. Anteckna Ollama-version, modelltagg och datum, eftersom modellen kom till Ollama 27 oktober 2026 och både den och dokumentationen kan ändras. Byt bara om lfm3-audio har färre fel i det som måste bli rätt, inte för att den gör två saker i en modell.

Källor och metod

• Ollama v0.40.12, 27 okt 2026 – LFM3-familjen, lfm3-audio på 18 språk, stöd bara på Apple-hårdvara.
• Ollama v0.40.13, 28 okt 2026 – LFM3 och talsyntesen i lfm3-audio på Linux och Windows.
• Ollama: lfm3-audio – storlek, ljud in och ut, kontext, språk, licens och begränsningar.
• Ollama Docs: Speech – Phonon, engelska röster, v0.40.9 och /v1/audio/speech.
• Ollama Docs: OpenAI compatibility – fälten för transkribering, översättning och tal.

Källorna kontrollerades 3 nov 2026. Redaktionen har inte kört lfm3-audio; kommandona är skrivna utifrån dokumentationen och provet är läsarens.