Modo de voz no Codex, OpenCode, Antigravity e Claude Code: qual CLI tem um?

As pessoas digitam "codex voice mode", "opencode voice mode" e "antigravity voice mode" no Google, e as respostas que encontram misturam duas coisas diferentes sob o mesmo nome. Então, em 13 de outubro de 2026, abrimos cada CLI instalado na nossa máquina de build, lemos a lista de comandos de cada um e conferimos com a documentação do fornecedor naquele dia.

Duas palavras primeiro, porque a resposta inteira depende delas.

O ditado vai num sentido só. Você fala, as palavras caem no prompt, você aperta Enter e lê a resposta na tela.

O modo de voz vai nos dois sentidos. Você fala, o agente faz o trabalho e a resposta é dita em voz alta para você. Você pode tirar os olhos do terminal.

A resposta curta

O resto desta página detalha cada linha, e depois a pergunta que vem logo em seguida: falar com um agente custa mais tokens do que escrever para ele?

Claude Code: ditado, não uma conversa

O Claude Code tem ditado por voz (versão 2.1.69 ou mais recente). Você ativa uma vez com /voice, e ele continua ativo de uma sessão para outra:

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

Segure a tecla Space enquanto fala e solte para parar. Suas palavras aparecem no prompt enquanto você fala, esmaecidas até a transcrição ficar final, e você pode misturar digitação e ditado na mesma mensagem. Se preferir não segurar uma tecla, /voice tap começa a gravar no primeiro toque e envia o prompt no segundo, desde que a transcrição tenha pelo menos três palavras. A tecla é o atalho voice:pushToTalk, e você pode mudá-la para uma combinação com modificador como meta+k em ~/.claude/keybindings.json.

Os limites estão escritos na documentação do ditado por voz. O áudio é transmitido para os servidores da Anthropic para a transcrição, não é processado localmente. Ele exige login no claude.ai: com uma chave de API da Anthropic, Bedrock ou outro provedor de nuvem, /voice é um comando desconhecido. Ele exige um microfone local, então não funciona em sessões SSH nem em sessões na nuvem. O idioma do ditado segue a configuração language, com 20 idiomas suportados e o inglês como padrão.

O que ele não faz é falar. O Claude responde por escrito, como sempre. O app do Claude tem um modo de voz de verdade, em beta no celular, no desktop e na web, mas a página de ajuda do modo de voz da Anthropic diz com todas as letras: no Claude Cowork e no Claude Code, o ditado está disponível, mas o modo de voz não.

Codex CLI: uma conversa por voz de verdade com /voice

É o que a maioria das pessoas procura, e aquele sobre o qual a documentação é menos clara.

A página de voz do Codex da OpenAI descreve o ChatGPT Voice, baseado no GPT-Live: uma conversa falada que você abre numa tarefa do Codex no app de desktop do ChatGPT, ou pelo Codex no iOS depois que o celular está pareado com um computador host. Ela lista os planos Plus, Pro, Business, Edu e Enterprise, uma só conversa por voz ativa por vez, e um ditado separado que só transforma a fala em texto de prompt. Ela não menciona o CLI.

O CLI tem o seu próprio. No codex-cli 0.162.1, a lista de comandos de barra (no repositório open source e no binário instalado) contém /voice, descrito como "start or stop voice; use /voice settings to choose a voice". Você pode confirmar que o recurso está ativo na sua instalação:

codex features list | grep realtime
# realtime_conversation   stable   true

Dentro de uma sessão, /voice inicia uma conversa em tempo real na thread atual. Você fala, o Codex responde em voz alta, e as legendas dos dois lados rolam no terminal. O keymap tem uma ação para iniciar ou parar a conversa e outra para silenciar o seu microfone, as duas reatribuíveis. O CLI recusa em três casos, com uma mensagem para cada um: antes da primeira mensagem de uma conversa ("Start a conversation before using voice mode"), dentro de uma conversa paralela, e num build sem a pilha de áudio ("Voice requires macOS, an MSVC-based Windows build, or a glibc-based Linux build").

Dois modelos trabalham durante essa conversa: um modelo de voz em tempo real que fala com você, e a thread do Codex que faz o trabalho. O lado da voz repassa os seus pedidos para a thread, o que o código-fonte chama de handoff, e diz em voz alta o que sai dela. Guarde isso para a seção sobre tokens, mais abaixo.

OpenCode: nada integrado

O OpenCode 1.19.0 não tem comando de voz nem ditado. As únicas strings "speech" no binário dele são as descrições de modelos de voz no catálogo de provedores, que você poderia chamar a partir do seu próprio código, não uma forma de falar com o OpenCode.

A comunidade preenche a lacuna. O opencode-voice é um plugin que dita no prompt do OpenCode: Ctrl+X V começa a gravar, Enter para a gravação e insere a transcrição, e você escolhe entre Whisper local, OpenAI, ElevenLabs ou o app Handy para a transcrição. O README é honesto sobre o estado do projeto: versão de pré-lançamento, só Linux x64, captura de microfone experimental. Ele não lê as respostas em voz alta.

No macOS ou no Windows, o ditado integrado ao sistema operacional funciona em qualquer terminal, inclusive no OpenCode.

Antigravity CLI: ditado com /voice

O Antigravity CLI tem ditado, documentado na página /voice dele. /voice, o alias /record ou a tecla F5 o iniciam. O texto cai na caixa do prompt e não é enviado até você enviar.

Três limites. Ele exige uma sessão interativa e fica desativado no modo --print. Não está disponível para contas business ou enterprise. E se você fez login antes de o ditado ser lançado, a transcrição falha até você rodar /logout e fazer login de novo.

O caso do SSH é mais bem resolvido do que na maioria: rode agy mic-serve na sua própria máquina, abra um túnel reverso com ssh -R 24713:127.0.0.1:4713 <server> e inicie o CLI no servidor com ANTIGRAVITY_MIC=127.0.0.1:24713 agy. O seu microfone passa então a alimentar a sessão remota. Não há resposta falada.

oh-my-pi: as duas coisas, e o ditado fica na sua máquina

O oh-my-pi (omp) é o único CLI desta lista que faz as duas coisas, e o ditado dele nunca sai da máquina.

A conversão de fala em texto vem desativada por padrão. Ative nas configurações (grupo Speech), depois segure a tecla Space para gravar e solte para transcrever. O modelo roda no dispositivo: Parakeet TDT v3 por padrão, com tamanhos de Whisper como alternativa para máquinas menores. Uma configuração decide quando um ditado é enviado: nunca, ao soltar, ao soltar com uma frase completa, ou quando você diz "submit".

A conversa é /live, ou Ctrl+L. O CLI a descreve como "Codex-backed realtime voice mode", e a voz é escolhida nas configurações (Live Voice). À parte, omp say lê qualquer texto em voz alta com o Kokoro-82M, um modelo de voz que também roda localmente.

Paseo e T3 Code: a voz num app, não num CLI

Dois apps aparecem nas mesmas buscas.

O Paseo roda um daemon que gerencia os seus agentes de código, com clientes de desktop, celular, web e CLI. Ele faz ditado e conversas em modo de voz. A fala pode ser processada na sua máquina (Parakeet para fala em texto, Kokoro para texto em fala, modelos ONNX na CPU) ou passar pela OpenAI, e o próprio modo de voz é uma sessão de agente oculta sobre Claude, Codex ou OpenCode. O modelo de voz local padrão só entende inglês; outro modelo Parakeet cobre 25 idiomas europeus. Comparamos o resto do Paseo com o AgentsRoom na página de alternativa ao Paseo.

O T3 Code tem entrada de voz no app de iOS: a transcrição roda no celular e preenche o rascunho, nunca envia nada sozinha. Sem respostas faladas.

O modo de voz gasta mais tokens?

É a pergunta que vem logo depois de "isso existe?", e ela tem uma resposta diferente para cada ferramenta.

• Ditado do Claude Code: não. A documentação da Anthropic diz que a transcrição não consome mensagens do Claude nem tokens e não conta nos limites mostrados pelo /usage. O que você dita vira um prompt normal e custa o mesmo que o mesmo prompt digitado.
• Modo de voz do app do Claude: conta nos seus limites de uso habituais, como o texto, segundo a página de ajuda da Anthropic.
• /voice do Codex CLI: um modelo de voz em tempo real roda ao lado da thread do Codex enquanto a conversa estiver aberta. As páginas da OpenAI não dizem como uma conversa por voz é contada nos limites do Codex. Não encontramos nenhum número, então não damos nenhum.
• Antigravity CLI: só ditado, e a documentação não diz como ele é contado.
• oh-my-pi: o ditado no dispositivo não custa tokens e não envia nada. /live passa pela voz em tempo real do Codex.

A regra de fundo é a mesma em todo lugar: o modelo que faz o trabalho lê texto. Um turno falado é cobrado como um turno digitado. O que muda a sua conta é o número de turnos e a profundidade da sessão, e a voz tende a gerar mais turnos, mais curtos. Fizemos a mesma observação sobre o celular em o Remote Control do Claude Code usa mais tokens.

O que o AgentsRoom faz ao lado deles

O Voice Mode do AgentsRoom segue o outro caminho: uma única conversa falada que não depende de qual CLI você roda.

Ele age no terminal, não no CLI. Você o abre num agente que já está rodando. O seu turno é transcrito e enviado para o terminal desse agente como a sua mensagem, o agente trabalha na própria sessão, e a resposta dele é lida em voz alta na voz que você escolheu. O modo mãos-livres reabre o microfone depois de cada resposta. O idioma é detectado. Funciona igual para Claude Code, Codex, GitHub Copilot CLI, Cursor e os outros 10 CLIs de agentes que o AgentsRoom roda, no app de desktop em macOS, Windows e Linux.

O custo extra em tokens é pequeno e visível: na primeira mensagem falada, o agente recebe um preâmbulo curto pedindo uma resposta falada de duas a cinco frases, sem markdown nem caminhos de arquivo lidos em voz alta, e depois um lembrete a cada cinco mensagens. A fala em si roda no nosso backend e é descontada em créditos de voz compartilhados com o ditado, ou na sua própria chave de API da OpenAI.

Para o ditado simples, há um botão de microfone no composer, descrito na página de ditado por voz. A voz integrada a um CLI continua à sua disposição no terminal dele: uma coisa não exclui a outra.

Como verificar na sua máquina

As versões mudam rápido, e esta página vai envelhecer. Veja como verificar cada linha da tabela em um 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

Se /voice responder "Unknown command" no Claude Code, você está logado com uma chave de API ou um provedor de nuvem, não com uma conta claude.ai. Se realtime_conversation não aparecer na lista do Codex, o seu CLI é mais antigo do que o que verificamos.

Perguntas frequentes

O Codex CLI tem modo de voz?

Tem. No codex-cli 0.162.1, o comando /voice inicia uma conversa falada na thread atual: você fala, o Codex responde em voz alta, e as legendas dos dois lados aparecem no terminal. /voice settings escolhe a voz. Ele exige uma conversa já iniciada, não funciona em conversas paralelas e roda nos builds de macOS, Windows e Linux que têm suporte. A própria página de voz da OpenAI documenta o ChatGPT Voice no app de desktop do ChatGPT e no Codex no iOS, não o comando do CLI, então verificamos no próprio CLI.

O Claude Code tem modo de voz?

O Claude Code tem ditado por voz, não uma conversa falada. Rode /voice, depois segure a tecla Space enquanto fala (ou use /voice tap) e a transcrição cai no prompt. O Claude continua respondendo por escrito. Ele exige login no claude.ai e um microfone local, então não funciona com uma chave de API, em sessões SSH nem em sessões na nuvem. A Anthropic diz que o modo de voz do app do Claude não está disponível no Claude Code.

O OpenCode tem modo de voz?

Nada integrado. O OpenCode 1.19.0 não tem comando de voz nem ditado. Um plugin da comunidade, o opencode-voice, adiciona ditado no prompt com Ctrl+X V, mas é uma versão de pré-lançamento e só roda em Linux x64. Fora isso, você usa o ditado do seu sistema operacional.

O Antigravity CLI tem modo de voz?

Tem ditado. /voice, o alias /record ou a tecla F5 transformam a sua fala em texto na caixa do prompt, sem enviar. Ele exige uma sessão interativa, fica desativado no modo --print e não está disponível para contas business ou enterprise. Por SSH, agy mic-serve encaminha o microfone da sua própria máquina para o servidor. Não há resposta falada.

O modo de voz do Claude gasta mais tokens?

Depende de qual voz estamos falando. O ditado do Claude Code não consome mensagens do Claude nem tokens e não conta nos limites do /usage, segundo a documentação da Anthropic: o que você dita vira um prompt normal. O modo de voz do app do Claude conta nos seus limites de uso habituais, como o texto. Nos dois casos o modelo vê texto, então um turno falado custa o mesmo que o mesmo turno digitado, e o que pesa de verdade é o número de turnos e a profundidade da sessão.

Qual a diferença entre ditado por voz e modo de voz?

O ditado vai num sentido só: você fala, as palavras caem no prompt e você lê a resposta na tela. O modo de voz vai nos dois sentidos: você fala, e a resposta é dita em voz alta para você. O Claude Code e o Antigravity CLI ditam. O Codex CLI e o oh-my-pi fazem as duas coisas. O OpenCode não faz nenhuma das duas sem um plugin.