Голосовой режим в Codex, OpenCode, Antigravity и Claude Code: в каком CLI он есть?

Люди вводят в Google «codex voice mode», «opencode voice mode» и «antigravity voice mode», а ответы, которые они находят, смешивают две разные вещи под одним названием. Поэтому 13 октября 2026 года мы открыли каждый CLI, установленный на нашей сборочной машине, прочитали его собственный список команд и сверили его с документацией разработчика на тот день.

Сначала два слова, потому что от них зависит весь ответ.

Диктовка работает в одну сторону. Ты говоришь, слова попадают в промпт, ты нажимаешь Enter и читаешь ответ на экране.

Голосовой режим работает в обе стороны. Ты говоришь, агент делает работу, и ответ тебе произносят вслух. Можно не смотреть на терминал.

Короткий ответ

Дальше на странице подробности по каждой строке, а затем вопрос, который возникает сразу после: стоит ли разговор с агентом больше токенов, чем переписка с ним.

Claude Code: диктовка, а не разговор

В Claude Code есть голосовая диктовка (версия 2.1.69 или новее). Ты включаешь её один раз командой /voice, и она остаётся включённой от сессии к сессии:

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

Удерживай Space, пока говоришь, и отпусти, чтобы остановить. Твои слова появляются в промпте по ходу речи, приглушёнными, пока расшифровка не станет окончательной, и в одном сообщении можно смешивать набор текста и диктовку. Если не хочешь держать клавишу, /voice tap начинает запись по первому нажатию и отправляет промпт по второму, если в расшифровке не меньше трёх слов. Клавиша задаётся привязкой voice:pushToTalk, и её можно перенести на сочетание с модификатором, например meta+k, в ~/.claude/keybindings.json.

Ограничения описаны в документации по голосовой диктовке. Звук передаётся на серверы Anthropic для расшифровки, а не обрабатывается локально. Нужен вход через claude.ai: с ключом API Anthropic, Bedrock или другим облачным провайдером /voice это неизвестная команда. Нужен локальный микрофон, поэтому это не работает ни в сессиях SSH, ни в облачных сессиях. Язык диктовки следует настройке language, поддерживается 20 языков, а по умолчанию используется английский.

Чего она не умеет, так это говорить. Claude отвечает текстом, как всегда. В приложении Claude есть настоящий голосовой режим, в бете на мобильных, в десктопном приложении и в вебе, но справочная страница о голосовом режиме Anthropic говорит прямо: в Claude Cowork и Claude Code диктовка доступна, а голосовой режим нет.

Codex CLI: настоящий голосовой разговор с /voice

Именно его ищет большинство людей, и именно о нём документация говорит наименее ясно.

Голосовая страница Codex у OpenAI описывает ChatGPT Voice на базе GPT-Live: голосовой разговор, который ты открываешь на задаче Codex в десктопном приложении ChatGPT или через Codex на iOS, когда телефон сопряжён с компьютером-хостом. Там перечислены тарифы Plus, Pro, Business, Edu и Enterprise, один активный голосовой чат за раз и отдельная диктовка, которая только превращает речь в текст промпта. CLI там не упоминается.

У CLI есть свой. В codex-cli 0.162.1 список слэш-команд (в репозитории с открытым кодом и в установленном бинарнике) содержит /voice с описанием «start or stop voice; use /voice settings to choose a voice». Можно проверить, что функция включена у тебя:

codex features list | grep realtime
# realtime_conversation   stable   true

Внутри сессии /voice запускает разговор в реальном времени в текущем треде. Ты говоришь, Codex отвечает вслух, а субтитры обеих сторон прокручиваются в терминале. В раскладке клавиш есть действие, чтобы начать или остановить разговор, и ещё одно, чтобы выключить твой микрофон, оба можно переназначить. CLI отказывает в трёх случаях, с отдельным сообщением для каждого: до первого сообщения разговора («Start a conversation before using voice mode»), внутри побочного разговора и на сборке без аудиостека («Voice requires macOS, an MSVC-based Windows build, or a glibc-based Linux build»).

Во время этого разговора работают две модели: голосовая модель реального времени, которая говорит с тобой, и тред Codex, который делает работу. Голосовая сторона передаёт твои запросы треду, что исходный код называет handoff, и произносит то, что из него выходит. Запомни это для раздела о токенах ниже.

OpenCode: ничего встроенного

В OpenCode 1.19.0 нет ни голосовой команды, ни диктовки. Единственные строки «speech» в его бинарнике это описания речевых моделей в его каталоге провайдеров, которые ты мог бы вызвать из своего кода, а не способ разговаривать с OpenCode.

Сообщество восполняет этот пробел. opencode-voice это плагин, который диктует в промпт OpenCode: Ctrl+X V начинает запись, Enter останавливает её и вставляет расшифровку, а для расшифровки можно выбрать локальный Whisper, OpenAI, ElevenLabs или приложение Handy. Его README честно говорит о его состоянии: предварительная версия, только Linux x64, экспериментальный захват микрофона. Ответы он не озвучивает.

На macOS или Windows встроенная в систему диктовка работает в любом терминале, включая OpenCode.

Antigravity CLI: диктовка с /voice

В Antigravity CLI есть диктовка, описанная на его странице /voice. /voice, его псевдоним /record или клавиша F5 запускают её. Текст попадает в поле промпта и не уходит, пока ты сам его не отправишь.

Три ограничения. Нужна интерактивная сессия, в режиме --print это отключено. Для аккаунтов business и enterprise это недоступно. И если ты вошёл в аккаунт до появления диктовки, расшифровка не работает, пока ты не выполнишь /logout и не войдёшь снова.

Случай с SSH решён лучше, чем у большинства: запусти agy mic-serve на своей машине, открой обратный туннель командой ssh -R 24713:127.0.0.1:4713 <server> и запусти CLI на сервере с ANTIGRAVITY_MIC=127.0.0.1:24713 agy. Тогда твой микрофон питает удалённую сессию. Голосового ответа нет.

oh-my-pi: и то и другое, а диктовка остаётся на твоей машине

oh-my-pi (omp) единственный CLI здесь, который умеет и то и другое, и его диктовка никогда не покидает машину.

Распознавание речи по умолчанию выключено. Включи его в настройках (группа Speech), затем удерживай Space, чтобы записать, и отпусти, чтобы расшифровать. Модель работает на устройстве: по умолчанию Parakeet TDT v3, с размерами Whisper в качестве альтернативы для менее мощных машин. Настройка определяет, когда диктовка отправляется: никогда, при отпускании, при отпускании с законченной фразой или когда ты говоришь «submit».

Разговор это /live или Ctrl+L. CLI описывает его как «Codex-backed realtime voice mode», а голос выбирается в настройках (Live Voice). Отдельно omp say читает вслух любой текст с помощью Kokoro-82M, речевой модели, которая тоже работает локально.

Paseo и T3 Code: голос в приложении, а не в CLI

В тех же поисковых запросах всплывают два приложения.

Paseo запускает демон, который управляет твоими агентами для программирования, с клиентами для десктопа, мобильных, веба и CLI. Он умеет диктовку и разговоры в голосовом режиме. Речь может обрабатываться на твоей машине (Parakeet для распознавания, Kokoro для синтеза, модели ONNX на CPU) или через OpenAI, а сам голосовой режим это скрытая сессия агента на Claude, Codex или OpenCode. Локальная речевая модель по умолчанию понимает только английский; другая модель Parakeet покрывает 25 европейских языков. Остальное в Paseo мы сравнили с AgentsRoom на странице об альтернативе Paseo.

В T3 Code есть голосовой ввод в приложении для iOS: расшифровка выполняется на телефоне и заполняет черновик, сама она ничего не отправляет. Голосовых ответов нет.

Тратит ли голосовой режим больше токенов?

Это вопрос, который идёт сразу за «а он вообще есть», и для каждого инструмента ответ свой.

• Диктовка Claude Code: нет. Документация Anthropic говорит, что расшифровка не тратит ни сообщений Claude, ни токенов и не учитывается в лимитах, которые показывает /usage. То, что ты диктуешь, становится обычным промптом и стоит столько же, сколько тот же набранный промпт.
• Голосовой режим приложения Claude: учитывается в твоих обычных лимитах использования, как текст, согласно справочной странице Anthropic.
• /voice в Codex CLI: голосовая модель реального времени работает рядом с тредом Codex, пока разговор открыт. Страницы OpenAI не говорят, как голосовой разговор учитывается в лимитах Codex. Мы не нашли цифры, поэтому и не приводим её.
• Antigravity CLI: только диктовка, и документация не говорит, как она учитывается.
• oh-my-pi: диктовка на устройстве не стоит ни одного токена и ничего не отправляет. /live идёт через голос реального времени Codex.

Правило в основе везде одно: модель, которая делает работу, читает текст. Произнесённый ход тарифицируется как набранный. Твой счёт меняют число ходов и глубина сессии, а голос обычно даёт больше ходов, и они короче. То же самое мы говорили о телефонах в статье тратит ли Remote Control в Claude Code больше токенов.

Что делает AgentsRoom рядом с ними

Voice Mode в AgentsRoom идёт другим путём: один голосовой разговор, который не зависит от того, какой CLI ты запускаешь.

Он работает с терминалом, а не с CLI. Ты открываешь его на агенте, который уже запущен. Твой ход расшифровывается и отправляется в терминал этого агента как твоё сообщение, агент работает в своей сессии, а его ответ читается вслух выбранным тобой голосом. Режим без рук снова открывает микрофон после каждого ответа. Язык определяется автоматически. Так же это работает для Claude Code, Codex, GitHub Copilot CLI, Cursor и 10 других CLI-агентов, которые запускает AgentsRoom, в десктопном приложении на macOS, Windows и Linux.

Накладные расходы в токенах небольшие, и их видно: при первом голосовом сообщении агент получает короткую преамбулу с просьбой дать голосовой ответ из двух-пяти предложений, без markdown и без зачитывания путей к файлам, а затем напоминание каждые пять сообщений. Сама речь обрабатывается на нашем бэкенде и учитывается в голосовых кредитах, общих с диктовкой, или идёт через твой собственный ключ API OpenAI.

Для простой диктовки в композере есть кнопка микрофона, описанная на странице голосовой ввод. Голос, встроенный в CLI, по-прежнему в твоём распоряжении в его терминале: одно не исключает другого.

Как проверить на своей машине

Версии меняются быстро, и эта страница устареет. Вот как за минуту проверить каждую строку таблицы:

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

Если /voice отвечает «Unknown command» в Claude Code, ты вошёл с ключом API или через облачного провайдера, а не с аккаунтом claude.ai. Если realtime_conversation нет в списке Codex, твой CLI старше того, который проверяли мы.

Часто задаваемые вопросы

Есть ли в Codex CLI голосовой режим?

Да. В codex-cli 0.162.1 команда /voice запускает голосовой разговор в текущем треде: ты говоришь, Codex отвечает вслух, а субтитры обеих сторон появляются в терминале. /voice settings выбирает голос. Нужен уже начатый разговор, в побочных разговорах это не работает, и доступно на сборках для macOS, Windows и Linux, которые это поддерживают. Собственная голосовая страница OpenAI описывает ChatGPT Voice в десктопном приложении ChatGPT и в Codex на iOS, а не команду CLI, поэтому мы проверили сам CLI.

Есть ли в Claude Code голосовой режим?

В Claude Code есть голосовая диктовка, а не голосовой разговор. Запусти /voice, затем удерживай Space, пока говоришь (или используй /voice tap), и расшифровка попадёт в промпт. Claude по-прежнему отвечает текстом. Нужен вход через claude.ai и локальный микрофон, поэтому это не работает ни с ключом API, ни в сессиях SSH, ни в облачных сессиях. Anthropic уточняет, что голосовой режим приложения Claude в Claude Code недоступен.

Есть ли в OpenCode голосовой режим?

Встроенного нет. В OpenCode 1.19.0 нет ни голосовой команды, ни диктовки. Плагин от сообщества, opencode-voice, добавляет диктовку в промпт по Ctrl+X V, но это предварительная версия, и работает он только на Linux x64. В остальных случаях пользуйся диктовкой своей операционной системы.

Есть ли в Antigravity CLI голосовой режим?

Есть диктовка. /voice, его псевдоним /record или клавиша F5 превращают твою речь в текст в поле промпта, не отправляя его. Нужна интерактивная сессия, в режиме --print это отключено, и для аккаунтов business и enterprise это недоступно. По SSH agy mic-serve передаёт микрофон твоей машины на сервер. Голосового ответа нет.

Тратит ли голосовой режим Claude больше токенов?

Зависит от того, о каком голосе речь. Диктовка Claude Code не тратит ни сообщений Claude, ни токенов и не учитывается в лимитах /usage, согласно документации Anthropic: то, что ты диктуешь, становится обычным промптом. Голосовой режим приложения Claude учитывается в твоих обычных лимитах использования, как текст. В обоих случаях модель видит текст, поэтому произнесённый ход стоит столько же, сколько тот же набранный ход, а на самом деле всё решают число ходов и глубина сессии.

Чем голосовая диктовка отличается от голосового режима?

Диктовка работает в одну сторону: ты говоришь, слова попадают в промпт, и ты читаешь ответ на экране. Голосовой режим работает в обе стороны: ты говоришь, и ответ тебе произносят вслух. Claude Code и Antigravity CLI диктуют. Codex CLI и oh-my-pi умеют и то и другое. OpenCode без плагина не умеет ни того, ни другого.