Mode Suara di Codex, OpenCode, Antigravity, dan Claude Code: CLI Mana yang Punya?

Orang mengetik "codex voice mode", "opencode voice mode", dan "antigravity voice mode" di Google, dan jawaban yang mereka temukan mencampur dua hal berbeda di bawah nama yang sama. Jadi pada 13 Oktober 2026 kami membuka setiap CLI yang terpasang di mesin build kami, membaca daftar perintahnya sendiri, dan mencocokkannya dengan dokumentasi vendor hari itu.

Dua istilah dulu, karena seluruh jawabannya bergantung pada keduanya.

Dikte berjalan satu arah. Kamu bicara, kata-katanya masuk ke prompt, kamu menekan Enter, lalu kamu membaca jawabannya di layar.

Mode suara berjalan dua arah. Kamu bicara, agen mengerjakan tugasnya, dan jawabannya diucapkan kembali kepadamu. Matamu bisa lepas dari terminal.

Jawaban singkatnya

Sisa halaman ini merinci setiap baris, lalu pertanyaan yang muncul tepat setelahnya: apakah berbicara ke agen memakan lebih banyak token daripada mengetik untuknya.

Claude Code: dikte, bukan percakapan

Claude Code punya dikte suara (versi 2.1.69 atau lebih baru). Kamu menyalakannya sekali dengan /voice, dan fitur ini tetap aktif dari satu sesi ke sesi berikutnya:

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

Tahan Space sambil bicara dan lepaskan untuk berhenti. Kata-katamu muncul di prompt saat kamu bicara, tampil redup sampai transkripnya final, dan kamu bisa mencampur mengetik dan mendikte dalam pesan yang sama. Kalau kamu tidak mau menahan tombol, /voice tap mulai merekam pada ketukan pertama dan mengirim prompt pada ketukan kedua, selama transkripnya berisi minimal tiga kata. Tombolnya adalah binding voice:pushToTalk, dan kamu bisa memindahkannya ke kombinasi dengan tombol pengubah seperti meta+k di ~/.claude/keybindings.json.

Batasannya tertulis di dokumentasi dikte suara. Audionya dialirkan ke server Anthropic untuk ditranskripsi, tidak diproses secara lokal. Fitur ini butuh login claude.ai: dengan kunci API Anthropic, Bedrock, atau penyedia cloud lain, /voice adalah perintah yang tidak dikenal. Fitur ini butuh mikrofon lokal, jadi tidak berfungsi di sesi SSH atau di sesi cloud. Bahasa dikte mengikuti pengaturan language, dengan 20 bahasa yang didukung dan bahasa Inggris sebagai cadangan.

Yang tidak dilakukannya adalah berbicara. Claude menjawab dalam teks, seperti biasa. Aplikasi Claude punya mode suara sungguhan, masih beta di mobile, desktop, dan web, tapi halaman bantuan mode suara dari Anthropic menyatakannya dengan jelas: di Claude Cowork dan Claude Code, dikte tersedia tapi mode suara tidak.

Codex CLI: percakapan suara sungguhan dengan /voice

Inilah yang paling banyak dicari orang, dan yang dokumentasinya paling tidak jelas.

Halaman suara untuk Codex dari OpenAI menjelaskan ChatGPT Voice, yang ditenagai GPT-Live: percakapan lisan yang kamu buka pada tugas Codex di aplikasi desktop ChatGPT, atau lewat Codex di iOS setelah ponsel dipasangkan dengan host desktop. Halaman itu menyebut paket Plus, Pro, Business, Edu, dan Enterprise, satu percakapan suara aktif dalam satu waktu, dan dikte terpisah yang hanya mengubah ucapan menjadi teks prompt. Halaman itu tidak menyebut CLI.

CLI punya miliknya sendiri. Di codex-cli 0.162.1, daftar slash command (di repositori open source dan di binary yang terpasang) berisi /voice, dengan deskripsi "start or stop voice; use /voice settings to choose a voice". Kamu bisa memastikan fiturnya aktif di instalasimu:

codex features list | grep realtime
# realtime_conversation   stable   true

Di dalam sesi, /voice memulai percakapan realtime di utas yang sedang berjalan. Kamu bicara, Codex menjawab dengan suara, dan teks dari kedua sisi bergulir di terminal. Keymap-nya punya aksi untuk memulai atau menghentikan percakapan dan aksi lain untuk membisukan mikrofonmu, keduanya bisa dipetakan ulang. CLI menolak dalam tiga kasus, dengan pesan untuk masing-masing: sebelum pesan pertama sebuah percakapan ("Start a conversation before using voice mode"), di dalam percakapan sampingan, dan pada build tanpa komponen audio ("Voice requires macOS, an MSVC-based Windows build, or a glibc-based Linux build").

Dua model bekerja selama percakapan itu: model suara realtime yang berbicara denganmu, dan utas Codex yang mengerjakan tugasnya. Sisi suara meneruskan permintaanmu ke utas, yang oleh kode sumbernya disebut handoff, lalu mengucapkan kembali hasilnya. Ingat ini untuk bagian token di bawah.

OpenCode: tidak ada bawaan

OpenCode 1.19.0 tidak punya perintah suara dan tidak punya dikte. Satu-satunya string "speech" di binary-nya adalah deskripsi model suara dalam katalog penyedianya, yang bisa kamu panggil dari kodemu sendiri, bukan cara untuk berbicara dengan OpenCode.

Komunitas mengisi kekosongan itu. opencode-voice adalah plugin yang mendikte ke prompt OpenCode: Ctrl+X V mulai merekam, Enter menghentikannya dan menyisipkan transkripnya, dan kamu memilih antara Whisper lokal, OpenAI, ElevenLabs, atau aplikasi Handy untuk transkripsi. README-nya jujur soal kondisinya: perangkat lunak prarilis, hanya Linux x64, perekaman mikrofon masih eksperimental. Plugin ini tidak mengucapkan balasan.

Di macOS atau Windows, dikte bawaan sistem operasi berfungsi di terminal mana pun, termasuk OpenCode.

Antigravity CLI: dikte dengan /voice

Antigravity CLI punya dikte, yang didokumentasikan di halaman /voice miliknya. /voice, aliasnya /record, atau tombol F5 memulainya. Teksnya masuk ke kotak prompt dan tidak dikirim sampai kamu mengirimnya.

Tiga batasan. Fitur ini butuh sesi interaktif dan dinonaktifkan dalam mode --print. Fitur ini tidak tersedia untuk akun business atau enterprise. Dan jika kamu login sebelum dikte dirilis, transkripsi gagal sampai kamu menjalankan /logout lalu login lagi.

Kasus SSH ditangani lebih baik daripada kebanyakan alat lain: jalankan agy mic-serve di mesinmu sendiri, buka reverse tunnel dengan ssh -R 24713:127.0.0.1:4713 <server>, lalu jalankan CLI di server dengan ANTIGRAVITY_MIC=127.0.0.1:24713 agy. Mikrofonmu lalu memasok audio ke sesi jarak jauh. Tidak ada balasan lisan.

oh-my-pi: keduanya, dan dikte tetap di mesinmu

oh-my-pi (omp) adalah satu-satunya CLI di sini yang melakukan keduanya, dan diktenya tidak pernah meninggalkan mesin.

Pengubahan ucapan menjadi teks nonaktif secara bawaan. Aktifkan di pengaturan (grup Speech), lalu tahan Space untuk merekam dan lepaskan untuk mentranskripsi. Modelnya berjalan di perangkat: Parakeet TDT v3 secara bawaan, dengan beberapa ukuran Whisper sebagai alternatif untuk mesin yang lebih kecil. Sebuah pengaturan menentukan kapan hasil dikte dikirim: tidak pernah, saat tombol dilepas, saat tombol dilepas dengan kalimat lengkap, atau saat kamu mengucapkan "submit".

Percakapannya ada di /live, atau Ctrl+L. CLI ini menyebutnya "Codex-backed realtime voice mode", dan suaranya dipilih di pengaturan (Live Voice). Terpisah dari itu, omp say membacakan teks apa pun dengan Kokoro-82M, model suara yang juga berjalan secara lokal.

Paseo dan T3 Code: suara di aplikasi, bukan di CLI

Dua aplikasi muncul di pencarian yang sama.

Paseo menjalankan daemon yang mengelola agen coding-mu, dengan klien desktop, mobile, web, dan CLI. Ia melakukan dikte dan percakapan mode suara. Pemrosesan suaranya bisa berjalan di mesinmu (Parakeet untuk ucapan ke teks, Kokoro untuk teks ke ucapan, model ONNX di CPU) atau lewat OpenAI, dan mode suaranya sendiri adalah sesi agen tersembunyi di Claude, Codex, atau OpenCode. Model suara lokal bawaannya hanya mendukung bahasa Inggris; model Parakeet lain mencakup 25 bahasa Eropa. Kami membandingkan sisa fitur Paseo dengan AgentsRoom di halaman alternatif Paseo.

T3 Code punya input suara di aplikasi iOS-nya: transkripsinya berjalan di ponsel dan mengisi draf, tidak pernah mengirim apa pun sendiri. Tidak ada balasan lisan.

Apakah mode suara memakai lebih banyak token?

Ini pertanyaan yang muncul tepat setelah "apakah fiturnya ada", dan jawabannya berbeda untuk setiap alat.

• Dikte Claude Code: tidak. Dokumentasi Anthropic menyatakan transkripsi tidak memakai pesan atau token Claude dan tidak dihitung dalam batas yang ditampilkan di /usage. Apa yang kamu diktekan menjadi prompt biasa dan biayanya sama dengan prompt yang sama jika diketik.
• Mode suara di aplikasi Claude: dihitung dalam batas penggunaan rutinmu, sama seperti teks, menurut halaman bantuan Anthropic.
• /voice di Codex CLI: model suara realtime berjalan di samping utas Codex selama percakapan terbuka. Halaman OpenAI tidak menjelaskan bagaimana percakapan suara dihitung terhadap batas Codex. Kami tidak menemukan angkanya, jadi kami tidak memberikannya.
• Antigravity CLI: hanya dikte, dan dokumentasinya tidak menjelaskan bagaimana dikte dihitung.
• oh-my-pi: dikte di perangkat tidak memakai token dan tidak mengirim apa pun. /live lewat suara realtime Codex.

Aturan dasarnya sama di mana pun: model yang mengerjakan tugas membaca teks. Satu giliran lisan ditagih seperti satu giliran ketik. Yang mengubah tagihanmu adalah jumlah giliran dan kedalaman sesi, dan suara cenderung menghasilkan lebih banyak giliran yang lebih pendek. Kami membahas hal yang sama soal ponsel di apakah Remote Control Claude Code memakai lebih banyak token.

Apa yang dilakukan AgentsRoom di samping semua ini

Voice Mode di AgentsRoom mengambil jalan lain: satu percakapan lisan yang tidak bergantung pada CLI mana yang kamu jalankan.

Ia bekerja pada terminal, bukan pada CLI. Kamu membukanya pada agen yang sudah berjalan. Giliranmu ditranskripsi dan dikirim ke terminal agen itu sebagai pesanmu, agen bekerja di sesinya sendiri, dan balasannya dibacakan dengan suara yang kamu pilih. Mode hands-free membuka mikrofon lagi setelah setiap balasan. Bahasanya dideteksi otomatis. Semuanya sama untuk Claude Code, Codex, GitHub Copilot CLI, Cursor, dan 10 CLI agen lainnya yang dijalankan AgentsRoom, di aplikasi desktop di macOS, Windows, dan Linux.

Tambahan tokennya kecil dan bisa kamu lihat: pada pesan lisan pertama, agen menerima pembuka singkat yang meminta balasan lisan dua sampai lima kalimat, tanpa markdown dan tanpa membacakan path file, lalu pengingat setiap lima pesan. Pemrosesan suaranya sendiri berjalan di backend kami dan dihitung dalam kredit suara yang dipakai bersama dengan dikte, atau memakai kunci API OpenAI milikmu sendiri.

Untuk dikte saja, ada tombol mikrofon di composer, yang dijelaskan di halaman dikte suara. Suara bawaan sebuah CLI tetap bisa kamu pakai di terminalnya: keduanya tidak saling meniadakan.

Cara memeriksa di mesinmu sendiri

Versi berubah cepat, dan halaman ini akan menua. Berikut cara memeriksa setiap baris tabel dalam satu menit:

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

Jika /voice menjawab "Unknown command" di Claude Code, kamu login dengan kunci API atau penyedia cloud, bukan dengan akun claude.ai. Jika realtime_conversation tidak ada di daftar Codex, CLI-mu lebih lama daripada yang kami periksa.

Pertanyaan yang sering diajukan

Apakah Codex CLI punya mode suara?

Ya. Di codex-cli 0.162.1, perintah /voice memulai percakapan lisan di utas yang sedang berjalan: kamu bicara, Codex menjawab dengan suara, dan teks dari kedua sisi muncul di terminal. /voice settings memilih suaranya. Fitur ini butuh percakapan yang sudah dimulai, tidak berfungsi di percakapan sampingan, dan berjalan di build macOS, Windows, dan Linux yang mendukungnya. Halaman suara milik OpenAI sendiri mendokumentasikan ChatGPT Voice di aplikasi desktop ChatGPT dan di Codex di iOS, bukan perintah CLI-nya, jadi kami memeriksa langsung di CLI-nya.

Apakah Claude Code punya mode suara?

Claude Code punya dikte suara, bukan percakapan lisan. Jalankan /voice, lalu tahan Space sambil bicara (atau pakai /voice tap) dan transkripnya masuk ke prompt. Claude tetap menjawab dalam teks. Fitur ini butuh login claude.ai dan mikrofon lokal, jadi tidak berfungsi dengan kunci API, di sesi SSH, atau di sesi cloud. Anthropic menyatakan bahwa mode suara aplikasi Claude tidak tersedia di Claude Code.

Apakah OpenCode punya mode suara?

Tidak ada bawaan. OpenCode 1.19.0 tidak punya perintah suara dan tidak punya dikte. Plugin komunitas, opencode-voice, menambahkan dikte ke prompt dengan Ctrl+X V, tapi masih berupa perangkat lunak prarilis dan hanya berjalan di Linux x64. Selain itu, kamu memakai dikte bawaan sistem operasimu.

Apakah Antigravity CLI punya mode suara?

Ia punya dikte. /voice, aliasnya /record, atau tombol F5 mengubah ucapanmu menjadi teks di kotak prompt tanpa mengirimnya. Fitur ini butuh sesi interaktif, dinonaktifkan dalam mode --print, dan tidak tersedia untuk akun business atau enterprise. Lewat SSH, agy mic-serve meneruskan mikrofon dari mesinmu sendiri ke server. Tidak ada balasan lisan.

Apakah mode suara Claude memakai lebih banyak token?

Tergantung suara mana yang kamu maksud. Dikte Claude Code tidak memakai pesan atau token Claude dan tidak dihitung dalam batas di /usage, menurut dokumentasi Anthropic: apa yang kamu diktekan menjadi prompt biasa. Mode suara di aplikasi Claude dihitung dalam batas penggunaan rutinmu, sama seperti teks. Dalam kedua kasus, model melihat teks, jadi satu giliran lisan biayanya sama dengan giliran yang sama jika diketik, dan penentu sebenarnya adalah jumlah dan kedalaman giliran.

Apa bedanya dikte suara dan mode suara?

Dikte berjalan satu arah: kamu bicara, kata-katanya masuk ke prompt, dan kamu membaca jawabannya di layar. Mode suara berjalan dua arah: kamu bicara, dan jawabannya diucapkan kembali kepadamu. Claude Code dan Antigravity CLI mendikte. Codex CLI dan oh-my-pi melakukan keduanya. OpenCode tidak melakukan keduanya tanpa plugin.