Modo de voz en Codex, OpenCode, Antigravity y Claude Code: ¿qué CLI tiene uno?

La gente escribe "codex voice mode", "opencode voice mode" y "antigravity voice mode" en Google, y las respuestas que encuentra mezclan dos cosas distintas bajo el mismo nombre. Así que el 13 de octubre de 2026 abrimos cada CLI instalado en nuestra máquina de build, leímos su propia lista de comandos y la contrastamos con la documentación del fabricante de ese día.

Primero, dos palabras, porque toda la respuesta depende de ellas.

El dictado va en un solo sentido. Hablas, las palabras llegan al prompt, pulsas Enter y lees la respuesta en pantalla.

El modo de voz va en los dos sentidos. Hablas, el agente hace el trabajo y la respuesta te llega hablada. Puedes apartar la vista del terminal.

La respuesta corta

El resto de esta página detalla cada línea, y luego la pregunta que llega justo después: ¿hablarle a un agente cuesta más tokens que escribirle?

Claude Code: dictado, no una conversación

Claude Code tiene dictado por voz (versión 2.1.69 o posterior). Lo activas una vez con /voice y se queda activado de una sesión a otra:

/voice
Voice mode enabled (hold). Hold space to record. Dictation language: en (/config to change).

Mantén pulsada la tecla Space mientras hablas y suéltala para parar. Tus palabras aparecen en el prompt mientras hablas, atenuadas hasta que la transcripción es definitiva, y puedes mezclar tecleo y dictado en el mismo mensaje. Si prefieres no mantener una tecla pulsada, /voice tap empieza a grabar con una primera pulsación y envía el prompt con la segunda, siempre que la transcripción tenga al menos tres palabras. La tecla es el atajo voice:pushToTalk, y puedes moverla a una combinación con modificador como meta+k en ~/.claude/keybindings.json.

Los límites están escritos en la documentación del dictado por voz. El audio se envía en streaming a los servidores de Anthropic para la transcripción, no se procesa en local. Necesita iniciar sesión con claude.ai: con una clave de API de Anthropic, Bedrock u otro proveedor en la nube, /voice es un comando desconocido. Necesita un micrófono local, así que no funciona ni en sesiones SSH ni en sesiones en la nube. El idioma del dictado sigue el ajuste language, con 20 idiomas compatibles y el inglés como idioma por defecto.

Lo que no hace es hablar. Claude responde por escrito, como siempre. La app de Claude sí tiene un modo de voz de verdad, en beta en móvil, escritorio y web, pero la página de ayuda del modo de voz de Anthropic lo dice claramente: en Claude Cowork y Claude Code, el dictado está disponible pero el modo de voz no.

Codex CLI: una conversación de voz de verdad con /voice

Es el que más gente busca, y aquel sobre el que la documentación es menos clara.

La página de voz de Codex de OpenAI describe ChatGPT Voice, impulsado por GPT-Live: una conversación hablada que abres sobre una tarea de Codex en la app de escritorio de ChatGPT, o desde Codex en iOS una vez que el teléfono está emparejado con un ordenador anfitrión. Enumera los planes Plus, Pro, Business, Edu y Enterprise, un solo chat de voz activo a la vez, y un dictado aparte que solo convierte la voz en texto de prompt. No menciona el CLI.

El CLI tiene la suya. En codex-cli 0.162.1, la lista de comandos slash (en el repositorio de código abierto y en el binario instalado) contiene /voice, descrito como "start or stop voice; use /voice settings to choose a voice". Puedes confirmar que la función está activada en tu instalación:

codex features list | grep realtime
# realtime_conversation   stable   true

Dentro de una sesión, /voice inicia una conversación en tiempo real sobre el hilo actual. Hablas, Codex responde en voz alta, y los subtítulos de ambos lados van pasando en el terminal. El keymap tiene una acción para iniciar o detener la conversación y otra para silenciar tu micrófono, ambas reasignables. El CLI se niega en tres casos, con un mensaje para cada uno: antes del primer mensaje de una conversación ("Start a conversation before using voice mode"), dentro de una conversación secundaria, y en un build sin la pila de audio ("Voice requires macOS, an MSVC-based Windows build, or a glibc-based Linux build").

Durante esa conversación trabajan dos modelos: un modelo de voz en tiempo real que habla contigo, y el hilo de Codex que hace el trabajo. La parte de voz pasa tus peticiones al hilo, lo que el código fuente llama un handoff, y te dice en voz alta lo que sale de él. Tenlo en cuenta para la sección sobre tokens, más abajo.

OpenCode: nada integrado

OpenCode 1.19.0 no tiene comando de voz ni dictado. Las únicas cadenas "speech" de su binario son las descripciones de modelos de voz de su catálogo de proveedores, que podrías llamar desde tu propio código, no una forma de hablarle a OpenCode.

La comunidad llena el hueco. opencode-voice es un plugin que dicta en el prompt de OpenCode: Ctrl+X V empieza a grabar, Enter lo detiene e inserta la transcripción, y eliges entre Whisper en local, OpenAI, ElevenLabs o la app Handy para la transcripción. Su README es honesto sobre su estado: versión preliminar, solo Linux x64, captura de micrófono experimental. No lee las respuestas en voz alta.

En macOS o Windows, el dictado integrado en el sistema operativo funciona en cualquier terminal, OpenCode incluido.

Antigravity CLI: dictado con /voice

Antigravity CLI tiene dictado, documentado en su página /voice. /voice, su alias /record o la tecla F5 lo inician. El texto llega al cuadro del prompt y no se envía hasta que lo envías tú.

Tres límites. Necesita una sesión interactiva y está desactivado en modo --print. No está disponible para cuentas business o enterprise. Y si iniciaste sesión antes de que llegara el dictado, la transcripción falla hasta que ejecutes /logout y vuelvas a iniciar sesión.

El caso SSH está mejor resuelto que en la mayoría: ejecuta agy mic-serve en tu propia máquina, abre un túnel inverso con ssh -R 24713:127.0.0.1:4713 <server> e inicia el CLI en el servidor con ANTIGRAVITY_MIC=127.0.0.1:24713 agy. Tu micrófono alimenta entonces la sesión remota. No hay respuesta hablada.

oh-my-pi: las dos cosas, y el dictado se queda en tu máquina

oh-my-pi (omp) es el único CLI de esta lista que hace las dos cosas, y su dictado nunca sale de la máquina.

La conversión de voz a texto está desactivada por defecto. Actívala en los ajustes (grupo Speech), luego mantén pulsada la tecla Space para grabar y suéltala para transcribir. El modelo se ejecuta en el dispositivo: Parakeet TDT v3 por defecto, con tamaños de Whisper como alternativa para máquinas más modestas. Un ajuste decide cuándo se envía un dictado: nunca, al soltar, al soltar con una frase completa, o cuando dices "submit".

La conversación es /live, o Ctrl+L. El CLI la describe como "Codex-backed realtime voice mode", y la voz se elige en los ajustes (Live Voice). Aparte, omp say lee en voz alta cualquier texto con Kokoro-82M, un modelo de voz que también se ejecuta en local.

Paseo y T3 Code: la voz en una app, no en un CLI

Dos apps aparecen en las mismas búsquedas.

Paseo ejecuta un demonio que gestiona tus agentes de código, con clientes de escritorio, móvil, web y CLI. Hace dictado y conversaciones en modo de voz. La voz puede procesarse en tu máquina (Parakeet para la voz a texto, Kokoro para el texto a voz, modelos ONNX en la CPU) o pasar por OpenAI, y el propio modo de voz es una sesión de agente oculta sobre Claude, Codex u OpenCode. El modelo de voz local por defecto solo entiende inglés; otro modelo Parakeet cubre 25 idiomas europeos. Comparamos el resto de Paseo con AgentsRoom en la página de alternativa a Paseo.

T3 Code tiene entrada de voz en su app de iOS: la transcripción se hace en el teléfono y rellena el borrador, nunca envía nada por sí sola. Sin respuestas habladas.

¿El modo de voz consume más tokens?

Es la pregunta que viene justo detrás de "¿existe?", y tiene una respuesta distinta para cada herramienta.

• Dictado de Claude Code: no. La documentación de Anthropic dice que la transcripción no consume mensajes de Claude ni tokens y no cuenta en los límites que muestra /usage. Lo que dictas se convierte en un prompt normal y cuesta lo mismo que el mismo prompt escrito.
• Modo de voz de la app de Claude: cuenta en tus límites de uso habituales, como el texto, según la página de ayuda de Anthropic.
• /voice de Codex CLI: un modelo de voz en tiempo real se ejecuta junto al hilo de Codex mientras la conversación esté abierta. Las páginas de OpenAI no dicen cómo se cuenta una conversación de voz en los límites de Codex. No encontramos ninguna cifra, así que no damos ninguna.
• Antigravity CLI: solo dictado, y la documentación no dice cómo se cuenta.
• oh-my-pi: el dictado en el dispositivo no cuesta tokens y no envía nada. /live pasa por la voz en tiempo real de Codex.

La regla de fondo es la misma en todas partes: el modelo que hace el trabajo lee texto. Un turno hablado se factura como un turno escrito. Lo que cambia tu factura es el número de turnos y la profundidad de la sesión, y la voz tiende a producir más turnos, más cortos. Dijimos lo mismo sobre el móvil en ¿el Remote Control de Claude Code consume más tokens?.

Lo que hace AgentsRoom al lado de estos

Voice Mode en AgentsRoom toma el otro camino: una sola conversación hablada que no depende del CLI que ejecutes.

Funciona sobre el terminal, no sobre el CLI. Lo abres sobre un agente que ya está en marcha. Tu turno se transcribe y se envía al terminal de ese agente como tu mensaje, el agente trabaja en su propia sesión, y su respuesta se lee en voz alta con la voz que hayas elegido. El modo manos libres vuelve a abrir el micrófono después de cada respuesta. El idioma se detecta. Es igual para Claude Code, Codex, GitHub Copilot CLI, Cursor y los otros 10 CLI de agente que ejecuta AgentsRoom, en la app de escritorio en macOS, Windows y Linux.

El sobrecoste en tokens es pequeño y se puede ver: en el primer mensaje hablado, el agente recibe un breve preámbulo que le pide una respuesta hablada de dos a cinco frases, sin markdown ni rutas de archivo leídas en voz alta, y luego un recordatorio cada cinco mensajes. La voz en sí se procesa en nuestro backend y se descuenta en créditos de voz compartidos con el dictado, o en tu propia clave de API de OpenAI.

Para el dictado simple hay un botón de micrófono en el composer, descrito en la página de dictado por voz. La voz integrada en un CLI sigue estando a tu disposición en su terminal: una cosa no excluye la otra.

Cómo comprobarlo en tu máquina

Las versiones cambian rápido, y esta página envejecerá. Así puedes comprobar cada línea de la tabla en un minuto:

claude --version       # then /voice in a session
codex --version        # then: codex features list | grep realtime
opencode --version     # no voice command in the help
agy --version          # then /voice in a session
omp --version          # then the Speech settings, and /live

Si /voice responde "Unknown command" en Claude Code, has iniciado sesión con una clave de API o un proveedor en la nube, no con una cuenta de claude.ai. Si realtime_conversation no aparece en la lista de Codex, tu CLI es más antiguo que el que comprobamos.

Preguntas frecuentes

¿Codex CLI tiene modo de voz?

Sí. En codex-cli 0.162.1, el comando /voice inicia una conversación hablada sobre el hilo actual: hablas, Codex responde en voz alta, y los subtítulos de ambos lados aparecen en el terminal. /voice settings elige la voz. Necesita una conversación ya empezada, no funciona en las conversaciones secundarias, y funciona en los builds de macOS, Windows y Linux que lo admiten. La propia página de voz de OpenAI documenta ChatGPT Voice en la app de escritorio de ChatGPT y en Codex en iOS, no el comando del CLI, así que lo comprobamos en el propio CLI.

¿Claude Code tiene modo de voz?

Claude Code tiene dictado por voz, no una conversación hablada. Ejecuta /voice, luego mantén pulsada la tecla Space mientras hablas (o usa /voice tap) y la transcripción llega al prompt. Claude sigue respondiendo por escrito. Necesita iniciar sesión con claude.ai y un micrófono local, así que no funciona con una clave de API, ni en sesiones SSH, ni en sesiones en la nube. Anthropic indica que el modo de voz de la app de Claude no está disponible en Claude Code.

¿OpenCode tiene modo de voz?

Nada integrado. OpenCode 1.19.0 no tiene comando de voz ni dictado. Un plugin de la comunidad, opencode-voice, añade dictado en el prompt con Ctrl+X V, pero es una versión preliminar y solo funciona en Linux x64. Si no, usas el dictado de tu sistema operativo.

¿Antigravity CLI tiene modo de voz?

Tiene dictado. /voice, su alias /record o la tecla F5 convierten tu voz en texto en el cuadro del prompt, sin enviarlo. Necesita una sesión interactiva, está desactivado en modo --print y no está disponible para cuentas business o enterprise. Por SSH, agy mic-serve transmite el micrófono de tu propia máquina al servidor. No hay respuesta hablada.

¿El modo de voz de Claude consume más tokens?

Depende de a qué voz te refieras. El dictado de Claude Code no consume mensajes de Claude ni tokens y no cuenta en los límites de /usage, según la documentación de Anthropic: lo que dictas se convierte en un prompt normal. El modo de voz de la app de Claude cuenta en tus límites de uso habituales, como el texto. En ambos casos el modelo ve texto, así que un turno hablado cuesta lo mismo que el mismo turno escrito, y lo que de verdad pesa es el número de turnos y la profundidad de la sesión.

¿Qué diferencia hay entre el dictado por voz y el modo de voz?

El dictado va en un solo sentido: hablas, las palabras llegan al prompt y lees la respuesta en pantalla. El modo de voz va en los dos sentidos: hablas, y la respuesta te llega hablada. Claude Code y Antigravity CLI dictan. Codex CLI y oh-my-pi hacen las dos cosas. OpenCode no hace ninguna de las dos sin un plugin.