Codex、OpenCode、Antigravity、Claude Code の音声モード：どの CLI にあるのか？

Google には「codex voice mode」「opencode voice mode」「antigravity voice mode」と打ち込まれていますが、見つかる答えは同じ名前の下に 2 つの別物を混ぜています。そこで 2026年10月13日に、ビルドマシンにインストールされた各 CLI を開き、それぞれのコマンド一覧を読み、その日のベンダーのドキュメントと突き合わせました。

まず 2 つの言葉を区別します。答えのすべてがそこにかかっているからです。

ディクテーションは一方向です。あなたが話し、言葉がプロンプトに入り、Enter を押し、答えは画面で読みます。

音声モードは双方向です。あなたが話し、エージェントが作業し、答えが声で返ってきます。ターミナルから目を離していられます。

短い答え

このページの残りは各行の詳細と、そのすぐ後に出てくる質問、つまりエージェントに話しかけるのは打ち込むよりトークンがかかるのか、です。

Claude Code：ディクテーションであって、会話ではない

Claude Code には音声ディクテーションがあります（バージョン 2.1.69 以降）。/voice で一度オンにすれば、セッションをまたいでオンのままです。

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

話しているあいだ Space キーを押し続け、離すと止まります。話すそばから言葉がプロンプトに現れ、文字起こしが確定するまでは薄く表示されます。同じメッセージの中でタイピングとディクテーションを混ぜることもできます。キーを押し続けたくなければ、/voice tap は 1 回目のタップで録音を始め、2 回目でプロンプトを送信します。ただし文字起こしが 3 語以上ある場合に限ります。キーは voice:pushToTalk のキーバインドで、~/.claude/keybindings.json で meta+k のような修飾キーとの組み合わせに移せます。

制限は音声ディクテーションのドキュメントに書かれています。音声は文字起こしのために Anthropic のサーバーへストリーミングされ、ローカルでは処理されません。claude.ai へのログインが必要です。Anthropic の API キー、Bedrock、その他のクラウドプロバイダーでは、/voice は存在しないコマンドになります。ローカルのマイクが必要なので、SSH セッションやクラウドセッションでは動きません。ディクテーションの言語は language 設定に従い、対応言語は 20、フォールバックは英語です。

できないのは、話すことです。Claude はいつもどおりテキストで答えます。Claude アプリには本物の音声モードがあり、モバイル、デスクトップ、ウェブでベータ提供されていますが、Anthropic の音声モードのヘルプページははっきり書いています。Claude Cowork と Claude Code では、ディクテーションは使えますが音声モードは使えません。

Codex CLI：/voice による本物の音声会話

多くの人が探しているのはこれで、ドキュメントがいちばん分かりにくいのもこれです。

OpenAI の Codex の音声ページが説明しているのは、GPT-Live を搭載した ChatGPT Voice です。ChatGPT のデスクトップアプリで Codex のタスクに対して開く音声の会話で、スマホをデスクトップのホストとペアリングすれば iOS 版 Codex からも開けます。対象は Plus、Pro、Business、Edu、Enterprise の各プラン、同時に有効な音声チャットは 1 つ、そして話した言葉をプロンプトのテキストに変えるだけの別のディクテーションがある、と書かれています。CLI には触れていません。

CLI には CLI のものがあります。codex-cli 0.162.1 では、スラッシュコマンドの一覧（オープンソースのリポジトリにも、インストールされたバイナリにも）に /voice があり、「start or stop voice; use /voice settings to choose a voice」と説明されています。手元のインストールで機能が有効か確認できます。

codex features list | grep realtime
# realtime_conversation   stable   true

セッションの中で /voice を実行すると、現在のスレッドでリアルタイムの会話が始まります。あなたが話し、Codex が声で答え、双方の字幕がターミナルに流れます。キーマップには会話を開始・停止するアクションと、マイクをミュートするアクションがあり、どちらも割り当てを変えられます。CLI は 3 つの場合に拒否し、それぞれメッセージを出します。会話の最初のメッセージより前（「Start a conversation before using voice mode」）、サイドの会話の中、そして音声スタックのないビルド（「Voice requires macOS, an MSVC-based Windows build, or a glibc-based Linux build」）です。

この会話のあいだ、2 つのモデルが働いています。あなたと話すリアルタイムの音声モデルと、作業をする Codex のスレッドです。音声側があなたの依頼をスレッドに渡し（ソースコードではこれを handoff と呼んでいます）、出てきた結果を声で伝えます。このことは、後のトークンの節のために覚えておいてください。

OpenCode：組み込みは何もない

OpenCode 1.19.0 には音声コマンドもディクテーションもありません。バイナリにある「speech」という文字列は、プロバイダーカタログに載っている音声モデルの説明だけです。自分のコードから呼び出すことはできても、OpenCode に話しかける手段ではありません。

その穴はコミュニティが埋めています。opencode-voice は OpenCode のプロンプトにディクテーションするプラグインです。Ctrl+X V で録音を始め、Enter で止めて文字起こしを挿入します。文字起こしには、ローカルの Whisper、OpenAI、ElevenLabs、Handy アプリのいずれかを選べます。README は現状に正直です。プレリリース版、Linux x64 のみ、マイクの取り込みは実験的。返答を読み上げることはしません。

macOS や Windows なら、OS に組み込まれたディクテーションがどのターミナルでも、OpenCode でも使えます。

Antigravity CLI：/voice によるディクテーション

Antigravity CLI にはディクテーションがあり、/voice のページに説明があります。/voice、その別名の /record、または F5 キーで始まります。テキストはプロンプト欄に入り、自分で送信するまでは送られません。

制限は 3 つ。対話セッションが必要で、--print モードでは無効です。ビジネスやエンタープライズのアカウントでは使えません。そして、ディクテーションの提供開始より前にサインインしていた場合、/logout を実行してサインインし直すまで文字起こしは失敗します。

SSH のケースは、たいていのツールより丁寧に扱われています。手元のマシンで agy mic-serve を実行し、ssh -R 24713:127.0.0.1:4713 <server> でリバーストンネルを開き、サーバー側で ANTIGRAVITY_MIC=127.0.0.1:24713 agy として CLI を起動します。これで手元のマイクがリモートのセッションに音声を送ります。音声での返答はありません。

oh-my-pi：両方あり、ディクテーションはマシンの外に出ない

oh-my-pi（omp）は、ここで両方できる唯一の CLI で、そのディクテーションは決してマシンの外に出ません。

音声認識は初期設定でオフです。設定（Speech グループ）でオンにし、Space キーを押し続けて録音し、離すと文字起こしされます。モデルは端末上で動きます。初期設定は Parakeet TDT v3 で、小さめのマシン向けには Whisper の各サイズを代わりに使えます。ディクテーションをいつ送信するかは設定で決めます。送信しない、キーを離したとき、キーを離して文が完結しているとき、または「submit」と言ったとき、です。

会話は /live、または Ctrl+L です。CLI はこれを「Codex-backed realtime voice mode」と説明しており、声は設定（Live Voice）で選びます。これとは別に、omp say は任意のテキストを Kokoro-82M で読み上げます。こちらもローカルで動く音声モデルです。

Paseo と T3 Code：CLI ではなくアプリの中の音声

同じ検索で出てくるアプリが 2 つあります。

Paseo はコーディングエージェントを管理するデーモンを動かし、デスクトップ、モバイル、ウェブ、CLI のクライアントを持っています。ディクテーションも音声モードの会話もできます。音声処理は手元のマシンで（音声認識に Parakeet、音声合成に Kokoro、CPU 上の ONNX モデル）、または OpenAI 経由で動かせ、音声モードそのものは Claude、Codex、OpenCode 上の隠れたエージェントセッションです。初期設定のローカル音声モデルは英語のみで、別の Parakeet モデルがヨーロッパの 25 言語をカバーします。Paseo のそれ以外の部分は、Paseo の代替ページで AgentsRoom と比較しています。

T3 Code は iOS アプリに音声入力があります。文字起こしはスマホ上で動いて下書きを埋め、自分から何かを送信することはありません。音声での返答はありません。

音声モードはトークンを余計に消費するのか？

「そもそもあるのか」のすぐ後に来る質問で、答えはツールごとに違います。

• Claude Code のディクテーション：いいえ。Anthropic のドキュメントによると、文字起こしは Claude のメッセージもトークンも消費せず、/usage に表示される上限にも数えられません。ディクテーションした内容は普通のプロンプトになり、同じ内容を打ったプロンプトと同じコストです。
• Claude アプリの音声モード：Anthropic のヘルプページによると、テキストと同じく通常の使用上限に数えられます。
• Codex CLI の /voice：会話が開いているあいだ、リアルタイムの音声モデルが Codex のスレッドの横で動きます。音声の会話が Codex の上限にどう数えられるかは、OpenAI のページには書かれていません。数字は見つからなかったので、ここでも示しません。
• Antigravity CLI：ディクテーションのみで、どう数えられるかはドキュメントに書かれていません。
• oh-my-pi：端末上のディクテーションはトークンを使わず、何も送信しません。/live は Codex のリアルタイム音声を経由します。

根っこにあるルールはどこでも同じです。作業をするモデルが読むのはテキストです。話したターンは打ったターンと同じように課金されます。請求額を変えるのはターンの数とセッションの深さで、音声はより短いターンをより多く生みがちです。スマホについても同じことを Claude Code の Remote Control はトークンを余計に消費するのかで書きました。

これらと並べたときの AgentsRoom

AgentsRoom の Voice Mode は別の道を取ります。どの CLI を動かしていても変わらない、ひとつの音声会話です。

働きかける先は CLI ではなく、ターミナルです。すでに動いているエージェントで開きます。あなたのターンは文字起こしされ、あなたのメッセージとしてそのエージェントのターミナルに送られ、エージェントは自分のセッションで作業し、その返答があなたの選んだ声で読み上げられます。ハンズフリーは返答のたびにマイクを再び開きます。言語は自動で検出されます。Claude Code、Codex、GitHub Copilot CLI、Cursor、そして AgentsRoom が動かすほか 10 種類のエージェント CLI で同じように動き、macOS、Windows、Linux のデスクトップアプリで使えます。

トークンの上乗せは小さく、目に見えます。最初に話したメッセージで、エージェントは 2〜5 文の話し言葉での返答を求め、markdown やファイルパスを読み上げないよう頼む短い前置きを受け取り、その後は 5 メッセージごとにリマインダーを受け取ります。音声処理そのものは私たちのバックエンドで動き、ディクテーションと共有する音声クレジットから差し引かれます。あるいは、あなた自身の OpenAI API キーで動かせます。

ディクテーションだけなら、コンポーザーにマイクボタンがあります。音声ディクテーションのページで説明しています。CLI に組み込まれた音声は、そのターミナルでこれまでどおり使えます。両者は排他的ではありません。

自分のマシンで確認する方法

バージョンは速く動き、このページは古くなっていきます。表の各行を 1 分で確認する方法です。

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

Claude Code で /voice が「Unknown command」と答えるなら、claude.ai のアカウントではなく、API キーかクラウドプロバイダーでサインインしています。Codex の一覧に realtime_conversation がなければ、あなたの CLI は私たちが確認したものより古いバージョンです。

よくある質問

Codex CLI に音声モードはありますか？

あります。codex-cli 0.162.1 では、/voice コマンドが現在のスレッドで音声の会話を始めます。あなたが話し、Codex が声で答え、双方の字幕がターミナルに表示されます。/voice settings で声を選びます。すでに始まっている会話が必要で、サイドの会話では使えず、対応する macOS、Windows、Linux のビルドで動きます。OpenAI 自身の音声のページが説明しているのは ChatGPT のデスクトップアプリと iOS 版 Codex の ChatGPT Voice で、CLI のコマンドではないため、CLI そのもので確認しました。

Claude Code に音声モードはありますか？

Claude Code にあるのは音声ディクテーションで、音声の会話ではありません。/voice を実行し、話しているあいだ Space キーを押し続ける（または /voice tap を使う）と、文字起こしがプロンプトに入ります。Claude の答えは相変わらずテキストです。claude.ai へのログインとローカルのマイクが必要なので、API キーでも、SSH セッションでも、クラウドセッションでも動きません。Anthropic は、Claude アプリの音声モードは Claude Code では使えないと説明しています。

OpenCode に音声モードはありますか？

組み込みではありません。OpenCode 1.19.0 には音声コマンドもディクテーションもありません。コミュニティのプラグイン opencode-voice が Ctrl+X V でプロンプトへのディクテーションを追加しますが、プレリリース版で、Linux x64 でしか動きません。それ以外では、OS のディクテーションを使います。

Antigravity CLI に音声モードはありますか？

ディクテーションがあります。/voice、その別名の /record、または F5 キーで、話した言葉がプロンプト欄にテキストとして入り、送信はされません。対話セッションが必要で、--print モードでは無効になり、ビジネスやエンタープライズのアカウントでは使えません。SSH 越しでは、agy mic-serve が手元のマシンのマイクをサーバーへ転送します。音声での返答はありません。

Claude の音声モードはトークンを余計に消費しますか？

どの音声のことかによります。Anthropic のドキュメントによると、Claude Code のディクテーションは Claude のメッセージもトークンも消費せず、/usage の上限にも数えられません。ディクテーションした内容は普通のプロンプトになります。Claude アプリの音声モードは、テキストと同じく通常の使用上限に数えられます。どちらの場合もモデルが見るのはテキストなので、話したターンは同じ内容を打ったターンと同じコストで、本当に効いてくるのはターンの数とセッションの深さです。

音声ディクテーションと音声モードの違いは何ですか？

ディクテーションは一方向です。あなたが話し、言葉がプロンプトに入り、答えは画面で読みます。音声モードは双方向です。あなたが話し、答えが声で返ってきます。Claude Code と Antigravity CLI はディクテーション。Codex CLI と oh-my-pi は両方できます。OpenCode はプラグインなしではどちらもできません。