Le mode vocal dans Codex, OpenCode, Antigravity et Claude Code : quel CLI en a un ?

Les gens tapent « codex voice mode », « opencode voice mode » et « antigravity voice mode » dans Google, et les réponses qu'ils trouvent mélangent deux choses différentes sous le même nom. Alors on a ouvert chaque CLI installé sur notre machine de build le 13 octobre 2026, lu sa propre liste de commandes, et on l'a confrontée à la documentation de l'éditeur du jour.

Deux mots d'abord, parce que toute la réponse en dépend.

La dictée va dans un seul sens. Tu parles, les mots arrivent dans le prompt, tu appuies sur Entrée, et tu lis la réponse à l'écran.

Le mode vocal va dans les deux sens. Tu parles, l'agent fait le travail, et la réponse t'est dite à voix haute. Tu peux quitter le terminal des yeux.

La réponse courte

La suite de la page détaille chaque ligne, puis la question qui vient juste après : parler à un agent coûte-t-il plus de tokens que lui écrire.

Claude Code : une dictée, pas une conversation

Claude Code a une dictée vocale (version 2.1.69 ou plus récente). Tu l'actives une fois avec /voice, et elle reste active d'une session à l'autre :

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

Maintiens Espace pendant que tu parles et relâche pour arrêter. Tes mots apparaissent dans le prompt pendant que tu parles, grisés jusqu'à la transcription finale, et tu peux mélanger frappe et dictée dans le même message. Si tu préfères ne pas tenir une touche, /voice tap démarre l'enregistrement au premier appui et envoie le prompt au second, tant que la transcription fait au moins trois mots. La touche est le raccourci voice:pushToTalk, que tu peux déplacer sur une combinaison avec modificateur comme meta+k dans ~/.claude/keybindings.json.

Les limites sont écrites dans la documentation de la dictée vocale. L'audio est envoyé aux serveurs d'Anthropic pour la transcription, pas traité en local. Il faut une connexion claude.ai : avec une clé d'API Anthropic, Bedrock ou un autre fournisseur cloud, /voice est une commande inconnue. Il faut un micro local, donc ça ne marche ni en session SSH ni en session cloud. La langue de dictée suit le réglage language, avec 20 langues prises en charge et l'anglais par défaut.

Ce qu'elle ne fait pas, c'est parler. Claude répond par écrit, comme toujours. L'app Claude a un vrai mode vocal, en bêta sur mobile, sur l'app de bureau et sur le web, mais la page d'aide du mode vocal d'Anthropic le dit clairement : dans Claude Cowork et Claude Code, la dictée est disponible mais pas le mode vocal.

Codex CLI : une vraie conversation vocale avec /voice

C'est celui que la plupart des gens cherchent, et celui sur lequel la documentation est la moins claire.

La page vocale de Codex chez OpenAI décrit ChatGPT Voice, qui s'appuie sur GPT-Live : une conversation parlée que tu ouvres sur une tâche Codex dans l'app de bureau ChatGPT, ou depuis Codex sur iOS une fois le téléphone appairé à un ordinateur hôte. Elle cite les forfaits Plus, Pro, Business, Edu et Enterprise, une seule conversation vocale active à la fois, et une dictée séparée qui transforme seulement la parole en texte de prompt. Elle ne parle pas du CLI.

Le CLI a la sienne. Dans codex-cli 0.162.1, la liste des commandes slash (dans le dépôt open source et dans le binaire installé) contient /voice, décrite comme « start or stop voice; use /voice settings to choose a voice ». Tu peux vérifier que la fonction est active chez toi :

codex features list | grep realtime
# realtime_conversation   stable   true

Dans une session, /voice ouvre une conversation en temps réel sur le fil en cours. Tu parles, Codex répond à voix haute, et les sous-titres des deux côtés défilent dans le terminal. Le keymap a une action pour démarrer ou arrêter la conversation et une autre pour couper ton micro, toutes deux réassignables. Le CLI refuse dans trois cas, avec un message pour chacun : avant le premier message d'une conversation (« Start a conversation before using voice mode »), dans une conversation annexe, et sur un build sans la pile audio (« Voice requires macOS, an MSVC-based Windows build, or a glibc-based Linux build »).

Deux modèles travaillent pendant cette conversation : un modèle vocal en temps réel qui parle avec toi, et le fil Codex qui fait le travail. Le côté voix transmet tes demandes au fil, ce que le code source appelle un handoff, et te dit ce qui en ressort. Garde ça en tête pour la partie sur les tokens plus bas.

OpenCode : rien d'intégré

OpenCode 1.19.0 n'a ni commande vocale ni dictée. Les seules chaînes « speech » de son binaire sont les descriptions de modèles vocaux dans son catalogue de fournisseurs, que tu pourrais appeler depuis ton propre code, pas une façon de parler à OpenCode.

La communauté comble le trou. opencode-voice est un plugin qui dicte dans le prompt d'OpenCode : Ctrl+X V démarre l'enregistrement, Entrée l'arrête et insère la transcription, et tu choisis entre Whisper en local, OpenAI, ElevenLabs ou l'app Handy pour la transcription. Son README est honnête sur son état : préversion, Linux x64 seulement, capture micro expérimentale. Il ne lit pas les réponses.

Sur macOS ou Windows, la dictée intégrée au système marche dans n'importe quel terminal, OpenCode compris.

Antigravity CLI : une dictée avec /voice

Antigravity CLI a une dictée, documentée sur sa page /voice. /voice, son alias /record ou la touche F5 la lance. Le texte arrive dans la zone de prompt et ne part pas tant que tu ne l'envoies pas.

Trois limites. Il faut une session interactive, c'est désactivé en mode --print. Ce n'est pas disponible pour les comptes business ou enterprise. Et si tu t'es connecté avant l'arrivée de la dictée, la transcription échoue tant que tu n'as pas lancé /logout puis reconnecté ton compte.

Le cas SSH est mieux traité que chez la plupart : lance agy mic-serve sur ta propre machine, ouvre un tunnel inverse avec ssh -R 24713:127.0.0.1:4713 <server>, et démarre le CLI sur le serveur avec ANTIGRAVITY_MIC=127.0.0.1:24713 agy. Ton micro alimente alors la session distante. Il n'y a pas de réponse parlée.

oh-my-pi : les deux, et la dictée reste sur ta machine

oh-my-pi (omp) est le seul CLI ici qui fait les deux, et sa dictée ne quitte jamais la machine.

La reconnaissance vocale est désactivée par défaut. Active-la dans les réglages (groupe Speech), puis maintiens Espace pour enregistrer et relâche pour transcrire. Le modèle tourne sur la machine : Parakeet TDT v3 par défaut, avec des tailles de Whisper en alternative pour les petites machines. Un réglage décide quand une dictée part : jamais, au relâchement, au relâchement avec une phrase complète, ou quand tu dis « submit ».

La conversation, c'est /live, ou Ctrl+L. Le CLI la décrit comme un « Codex-backed realtime voice mode », et la voix se choisit dans les réglages (Live Voice). À part, omp say lit n'importe quel texte à voix haute avec Kokoro-82M, un modèle vocal qui tourne lui aussi en local.

Paseo et T3 Code : la voix dans une app, pas dans un CLI

Deux apps reviennent dans les mêmes recherches.

Paseo fait tourner un démon qui gère tes agents de code, avec des clients bureau, mobile, web et CLI. Il fait de la dictée et des conversations en mode vocal. La parole peut tourner sur ta machine (Parakeet pour la reconnaissance, Kokoro pour la synthèse, des modèles ONNX sur le CPU) ou passer par OpenAI, et le mode vocal lui-même est une session d'agent cachée sur Claude, Codex ou OpenCode. Le modèle vocal local par défaut ne comprend que l'anglais ; un autre modèle Parakeet couvre 25 langues européennes. On a comparé le reste de Paseo à AgentsRoom sur la page alternative à Paseo.

T3 Code a une saisie vocale dans son app iOS : la transcription tourne sur le téléphone et remplit le brouillon, elle n'envoie jamais rien toute seule. Pas de réponses parlées.

Le mode vocal consomme-t-il plus de tokens ?

C'est la question qui suit « est-ce que ça existe », et la réponse change d'un outil à l'autre.

• Dictée de Claude Code : non. La documentation d'Anthropic dit que la transcription ne consomme ni messages Claude ni tokens et ne compte pas dans les limites affichées par /usage. Ce que tu dictes devient un prompt normal et coûte ce que coûte le même prompt tapé.
• Mode vocal de l'app Claude : il compte dans tes limites d'usage habituelles, comme le texte, selon la page d'aide d'Anthropic.
• /voice de Codex CLI : un modèle vocal en temps réel tourne à côté du fil Codex tant que la conversation est ouverte. Les pages d'OpenAI ne disent pas comment une conversation vocale est comptée dans les limites de Codex. On n'a pas trouvé de chiffre, donc on n'en donne pas.
• Antigravity CLI : dictée seulement, et la documentation ne dit pas comment elle est comptée.
• oh-my-pi : la dictée sur la machine ne coûte aucun token et n'envoie rien. /live passe par la voix temps réel de Codex.

La règle de fond est la même partout : le modèle qui fait le travail lit du texte. Un tour parlé est facturé comme un tour tapé. Ce qui change ta facture, c'est le nombre de tours et la profondeur de la session, et la voix pousse à faire plus de tours, plus courts. On a fait la même remarque pour le téléphone dans le Remote Control de Claude Code consomme-t-il plus de tokens.

Ce que fait AgentsRoom à côté

Le Voice Mode d'AgentsRoom prend l'autre chemin : une seule conversation parlée, qui ne dépend pas du CLI que tu lances.

Il agit sur le terminal, pas sur le CLI. Tu l'ouvres sur un agent déjà lancé. Ton tour est transcrit et envoyé dans le terminal de cet agent comme ton message, l'agent travaille dans sa propre session, et sa réponse est lue à voix haute dans la voix que tu as choisie. Le mode mains libres rouvre le micro après chaque réponse. La langue est détectée. C'est pareil pour Claude Code, Codex, GitHub Copilot CLI, Cursor et les 10 autres CLI d'agent qu'AgentsRoom fait tourner, dans l'app de bureau sur macOS, Windows et Linux.

Le surcoût en tokens est faible et visible : au premier message parlé, l'agent reçoit un court préambule qui lui demande une réponse parlée de deux à cinq phrases, sans markdown ni chemins de fichiers lus à voix haute, puis un rappel tous les cinq messages. La parole elle-même tourne sur notre backend et se décompte en crédits vocaux partagés avec la dictée, ou sur ta propre clé d'API OpenAI.

Pour la dictée seule, il y a un bouton micro dans le composer, décrit sur la page dictée vocale. La voix intégrée à un CLI reste à toi dans son terminal : les deux ne s'excluent pas.

Comment vérifier sur ta machine

Les versions bougent vite, et cette page vieillira. Voici comment vérifier chaque ligne du tableau en une minute :

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 répond « Unknown command » dans Claude Code, tu es connecté avec une clé d'API ou un fournisseur cloud, pas avec un compte claude.ai. Si realtime_conversation manque dans la liste de Codex, ton CLI est plus ancien que celui qu'on a vérifié.

Questions fréquentes

Codex CLI a-t-il un mode vocal ?

Oui. Dans codex-cli 0.162.1, la commande /voice ouvre une conversation parlée sur le fil en cours : tu parles, Codex répond à voix haute, et les sous-titres des deux côtés s'affichent dans le terminal. /voice settings choisit la voix. Il faut une conversation déjà commencée, ça ne marche pas dans les conversations annexes, et ça tourne sur les builds macOS, Windows et Linux qui le prennent en charge. La page vocale d'OpenAI documente ChatGPT Voice dans l'app de bureau ChatGPT et dans Codex sur iOS, pas la commande du CLI, donc on a vérifié dans le CLI lui-même.

Claude Code a-t-il un mode vocal ?

Claude Code a une dictée vocale, pas une conversation parlée. Lance /voice, puis maintiens Espace pendant que tu parles (ou utilise /voice tap) et la transcription arrive dans le prompt. Claude répond toujours par écrit. Il faut une connexion claude.ai et un micro local, donc ça ne marche ni avec une clé d'API, ni en session SSH, ni en session cloud. Anthropic précise que le mode vocal de l'app Claude n'est pas disponible dans Claude Code.

OpenCode a-t-il un mode vocal ?

Rien d'intégré. OpenCode 1.19.0 n'a ni commande vocale ni dictée. Un plugin de la communauté, opencode-voice, ajoute une dictée dans le prompt avec Ctrl+X V, mais c'est une préversion et il ne tourne que sur Linux x64. Sinon, tu utilises la dictée de ton système d'exploitation.

Antigravity CLI a-t-il un mode vocal ?

Il a une dictée. /voice, son alias /record ou la touche F5 transforment ta voix en texte dans la zone de prompt, sans l'envoyer. Il faut une session interactive, c'est désactivé en mode --print, et ce n'est pas disponible pour les comptes business ou enterprise. En SSH, agy mic-serve transmet le micro de ta machine au serveur. Il n'y a pas de réponse parlée.

Le mode vocal de Claude consomme-t-il plus de tokens ?

Ça dépend de quelle voix tu parles. La dictée de Claude Code ne consomme ni messages Claude ni tokens et ne compte pas dans les limites de /usage, selon la documentation d'Anthropic : ce que tu dictes devient un prompt normal. Le mode vocal de l'app Claude compte dans tes limites d'usage habituelles, comme le texte. Dans les deux cas le modèle voit du texte, donc un tour parlé coûte ce que coûte le même tour tapé, et ce qui pèse vraiment, c'est le nombre de tours et la profondeur de la session.

Quelle différence entre dictée vocale et mode vocal ?

La dictée va dans un seul sens : tu parles, les mots arrivent dans le prompt, et tu lis la réponse à l'écran. Le mode vocal va dans les deux sens : tu parles, et la réponse t'est dite à voix haute. Claude Code et Antigravity CLI dictent. Codex CLI et oh-my-pi font les deux. OpenCode ne fait ni l'un ni l'autre sans plugin.