Голосовий режим у Codex, OpenCode, Antigravity і Claude Code: у якому CLI він є?

Люди вводять у Google «codex voice mode», «opencode voice mode» і «antigravity voice mode», а відповіді, які вони знаходять, змішують дві різні речі під однією назвою. Тому 13 жовтня 2026 року ми відкрили кожен CLI, встановлений на нашій машині для збірок, прочитали його власний список команд і звірили його з документацією розробника на той день.

Спершу два слова, бо від них залежить уся відповідь.

Диктування працює в один бік. Ти говориш, слова потрапляють у промпт, ти натискаєш Enter і читаєш відповідь на екрані.

Голосовий режим працює в обидва боки. Ти говориш, агент виконує роботу, і відповідь тобі промовляють уголос. Можна не дивитися на термінал.

Коротка відповідь

Далі на сторінці подробиці щодо кожного рядка, а потім питання, яке виникає одразу після: чи коштує розмова з агентом більше токенів, ніж листування з ним.

Claude Code: диктування, а не розмова

У Claude Code є голосове диктування (версія 2.1.69 або новіша). Ти вмикаєш його один раз командою /voice, і воно залишається увімкненим від сесії до сесії:

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

Утримуй Space, поки говориш, і відпусти, щоб зупинити. Твої слова з'являються в промпті під час мовлення, приглушеними, доки транскрипція не стане остаточною, і в одному повідомленні можна змішувати набір тексту й диктування. Якщо не хочеш тримати клавішу, /voice tap починає запис за першим натисканням і надсилає промпт за другим, якщо в транскрипції щонайменше три слова. Клавіша задається прив'язкою voice:pushToTalk, і її можна перенести на поєднання з модифікатором, наприклад meta+k, у ~/.claude/keybindings.json.

Обмеження описані в документації з голосового диктування. Звук передається на сервери Anthropic для транскрипції, а не обробляється локально. Потрібен вхід через claude.ai: з ключем API Anthropic, Bedrock або іншим хмарним провайдером /voice це невідома команда. Потрібен локальний мікрофон, тому це не працює ні в сесіях SSH, ні в хмарних сесіях. Мова диктування відповідає налаштуванню language, підтримується 20 мов, а за замовчуванням використовується англійська.

Чого воно не вміє, так це говорити. Claude відповідає текстом, як завжди. У застосунку Claude є справжній голосовий режим, у беті на мобільних, у десктопному застосунку та у вебі, але довідкова сторінка про голосовий режим Anthropic каже прямо: у Claude Cowork і Claude Code диктування доступне, а голосовий режим ні.

Codex CLI: справжня голосова розмова з /voice

Саме його шукає більшість людей, і саме про нього документація говорить найменш зрозуміло.

Голосова сторінка Codex в OpenAI описує ChatGPT Voice на базі GPT-Live: голосову розмову, яку ти відкриваєш на завданні Codex у десктопному застосунку ChatGPT або через Codex на iOS, коли телефон сполучено з комп'ютером-хостом. Там перелічено тарифи Plus, Pro, Business, Edu і Enterprise, один активний голосовий чат одночасно та окреме диктування, яке лише перетворює мовлення на текст промпту. CLI там не згадується.

У CLI є свій. У codex-cli 0.162.1 список слеш-команд (у репозиторії з відкритим кодом і у встановленому бінарнику) містить /voice з описом «start or stop voice; use /voice settings to choose a voice». Можна перевірити, що функцію ввімкнено у тебе:

codex features list | grep realtime
# realtime_conversation   stable   true

Усередині сесії /voice запускає розмову в реальному часі в поточному треді. Ти говориш, Codex відповідає вголос, а субтитри обох сторін прокручуються в терміналі. У розкладці клавіш є дія, щоб почати або зупинити розмову, і ще одна, щоб вимкнути твій мікрофон, обидві можна перепризначити. CLI відмовляє у трьох випадках, з окремим повідомленням для кожного: до першого повідомлення розмови («Start a conversation before using voice mode»), усередині побічної розмови та на збірці без аудіостеку («Voice requires macOS, an MSVC-based Windows build, or a glibc-based Linux build»).

Під час цієї розмови працюють дві моделі: голосова модель реального часу, яка говорить з тобою, і тред Codex, який виконує роботу. Голосова сторона передає твої запити треду, що вихідний код називає handoff, і промовляє те, що з нього виходить. Запам'ятай це для розділу про токени нижче.

OpenCode: нічого вбудованого

В OpenCode 1.19.0 немає ні голосової команди, ні диктування. Єдині рядки «speech» у його бінарнику це описи мовленнєвих моделей у його каталозі провайдерів, які ти міг би викликати зі свого коду, а не спосіб розмовляти з OpenCode.

Спільнота заповнює цю прогалину. opencode-voice це плагін, який диктує в промпт OpenCode: Ctrl+X V починає запис, Enter зупиняє його і вставляє транскрипцію, а для транскрипції можна вибрати локальний Whisper, OpenAI, ElevenLabs або застосунок Handy. Його README чесно говорить про його стан: попередня версія, лише Linux x64, експериментальне захоплення мікрофона. Відповіді він не озвучує.

На macOS або Windows вбудоване в систему диктування працює в будь-якому терміналі, зокрема в OpenCode.

Antigravity CLI: диктування з /voice

В Antigravity CLI є диктування, описане на його сторінці /voice. /voice, його псевдонім /record або клавіша F5 запускають його. Текст потрапляє в поле промпту і не надсилається, доки ти сам його не надішлеш.

Три обмеження. Потрібна інтерактивна сесія, у режимі --print це вимкнено. Для облікових записів business та enterprise це недоступно. І якщо ти увійшов в обліковий запис до появи диктування, транскрипція не працює, доки ти не виконаєш /logout і не увійдеш знову.

Випадок із SSH розв'язано краще, ніж у більшості: запусти agy mic-serve на своїй машині, відкрий зворотний тунель командою ssh -R 24713:127.0.0.1:4713 <server> і запусти CLI на сервері з ANTIGRAVITY_MIC=127.0.0.1:24713 agy. Тоді твій мікрофон живить віддалену сесію. Голосової відповіді немає.

oh-my-pi: і те, і інше, а диктування залишається на твоїй машині

oh-my-pi (omp) єдиний CLI тут, який уміє і те, і інше, і його диктування ніколи не залишає машину.

Розпізнавання мовлення за замовчуванням вимкнено. Увімкни його в налаштуваннях (група Speech), потім утримуй Space, щоб записати, і відпусти, щоб транскрибувати. Модель працює на пристрої: за замовчуванням Parakeet TDT v3, з розмірами Whisper як альтернативою для менш потужних машин. Налаштування визначає, коли диктування надсилається: ніколи, після відпускання, після відпускання із завершеним реченням або коли ти кажеш «submit».

Розмова це /live або Ctrl+L. CLI описує її як «Codex-backed realtime voice mode», а голос вибирається в налаштуваннях (Live Voice). Окремо omp say читає вголос будь-який текст за допомогою Kokoro-82M, мовленнєвої моделі, яка теж працює локально.

Paseo і T3 Code: голос у застосунку, а не в CLI

У тих самих пошукових запитах з'являються два застосунки.

Paseo запускає демон, який керує твоїми агентами для програмування, з клієнтами для десктопа, мобільних, вебу та CLI. Він уміє диктування й розмови в голосовому режимі. Мовлення може оброблятися на твоїй машині (Parakeet для розпізнавання, Kokoro для синтезу, моделі ONNX на CPU) або через OpenAI, а сам голосовий режим це прихована сесія агента на Claude, Codex або OpenCode. Локальна мовленнєва модель за замовчуванням розуміє лише англійську; інша модель Parakeet охоплює 25 європейських мов. Решту Paseo ми порівняли з AgentsRoom на сторінці про альтернативу Paseo.

У T3 Code є голосове введення в застосунку для iOS: транскрипція виконується на телефоні й заповнює чернетку, сама вона нічого не надсилає. Голосових відповідей немає.

Чи витрачає голосовий режим більше токенів?

Це питання, яке йде одразу за «а він узагалі є», і для кожного інструмента відповідь своя.

• Диктування Claude Code: ні. Документація Anthropic каже, що транскрипція не витрачає ні повідомлень Claude, ні токенів і не враховується в лімітах, які показує /usage. Те, що ти диктуєш, стає звичайним промптом і коштує стільки ж, скільки той самий набраний промпт.
• Голосовий режим застосунку Claude: враховується у твоїх звичайних лімітах використання, як текст, згідно з довідковою сторінкою Anthropic.
• /voice у Codex CLI: голосова модель реального часу працює поруч із тредом Codex, поки розмова відкрита. Сторінки OpenAI не кажуть, як голосова розмова враховується в лімітах Codex. Ми не знайшли цифри, тому й не наводимо її.
• Antigravity CLI: лише диктування, і документація не каже, як воно враховується.
• oh-my-pi: диктування на пристрої не коштує жодного токена і нічого не надсилає. /live іде через голос реального часу Codex.

Правило в основі всюди однакове: модель, яка виконує роботу, читає текст. Вимовлений хід тарифікується як набраний. Твій рахунок змінюють кількість ходів і глибина сесії, а голос зазвичай дає більше ходів, і вони коротші. Те саме ми казали про телефони в статті чи витрачає Remote Control у Claude Code більше токенів.

Що робить AgentsRoom поруч із ними

Voice Mode в AgentsRoom іде іншим шляхом: одна голосова розмова, яка не залежить від того, який CLI ти запускаєш.

Він працює з терміналом, а не з CLI. Ти відкриваєш його на агенті, який уже запущений. Твій хід транскрибується і надсилається в термінал цього агента як твоє повідомлення, агент працює у своїй сесії, а його відповідь читається вголос вибраним тобою голосом. Режим без рук знову відкриває мікрофон після кожної відповіді. Мова визначається автоматично. Так само це працює для Claude Code, Codex, GitHub Copilot CLI, Cursor і 10 інших CLI-агентів, які запускає AgentsRoom, у десктопному застосунку на macOS, Windows і Linux.

Накладні витрати в токенах невеликі, і їх видно: під час першого голосового повідомлення агент отримує коротку преамбулу з проханням дати голосову відповідь із двох-п'яти речень, без markdown і без зачитування шляхів до файлів, а потім нагадування кожні п'ять повідомлень. Саме мовлення обробляється на нашому бекенді й враховується в голосових кредитах, спільних із диктуванням, або йде через твій власний ключ API OpenAI.

Для простого диктування в композері є кнопка мікрофона, описана на сторінці голосове введення. Голос, вбудований у CLI, і далі в твоєму розпорядженні в його терміналі: одне не виключає іншого.

Як перевірити на своїй машині

Версії змінюються швидко, і ця сторінка застаріє. Ось як за хвилину перевірити кожен рядок таблиці:

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

Якщо /voice відповідає «Unknown command» у Claude Code, ти увійшов із ключем API або через хмарного провайдера, а не з обліковим записом claude.ai. Якщо realtime_conversation немає в списку Codex, твій CLI старіший за той, який перевіряли ми.

Часті запитання

Чи є в Codex CLI голосовий режим?

Так. У codex-cli 0.162.1 команда /voice запускає голосову розмову в поточному треді: ти говориш, Codex відповідає вголос, а субтитри обох сторін з'являються в терміналі. /voice settings вибирає голос. Потрібна вже розпочата розмова, у побічних розмовах це не працює, і воно доступне на збірках для macOS, Windows і Linux, які це підтримують. Власна голосова сторінка OpenAI описує ChatGPT Voice у десктопному застосунку ChatGPT і в Codex на iOS, а не команду CLI, тому ми перевірили сам CLI.

Чи є в Claude Code голосовий режим?

У Claude Code є голосове диктування, а не голосова розмова. Запусти /voice, потім утримуй Space, поки говориш (або використай /voice tap), і транскрипція потрапить у промпт. Claude і далі відповідає текстом. Потрібен вхід через claude.ai і локальний мікрофон, тому це не працює ні з ключем API, ні в сесіях SSH, ні в хмарних сесіях. Anthropic уточнює, що голосовий режим застосунку Claude у Claude Code недоступний.

Чи є в OpenCode голосовий режим?

Вбудованого немає. В OpenCode 1.19.0 немає ні голосової команди, ні диктування. Плагін від спільноти, opencode-voice, додає диктування в промпт через Ctrl+X V, але це попередня версія, і працює він лише на Linux x64. В інших випадках користуйся диктуванням своєї операційної системи.

Чи є в Antigravity CLI голосовий режим?

Є диктування. /voice, його псевдонім /record або клавіша F5 перетворюють твоє мовлення на текст у полі промпту, не надсилаючи його. Потрібна інтерактивна сесія, у режимі --print це вимкнено, і для облікових записів business та enterprise це недоступно. Через SSH agy mic-serve передає мікрофон твоєї машини на сервер. Голосової відповіді немає.

Чи витрачає голосовий режим Claude більше токенів?

Залежить від того, про який голос ідеться. Диктування Claude Code не витрачає ні повідомлень Claude, ні токенів і не враховується в лімітах /usage, згідно з документацією Anthropic: те, що ти диктуєш, стає звичайним промптом. Голосовий режим застосунку Claude враховується у твоїх звичайних лімітах використання, як текст. В обох випадках модель бачить текст, тому вимовлений хід коштує стільки ж, скільки той самий набраний хід, а насправді все вирішують кількість ходів і глибина сесії.

Чим голосове диктування відрізняється від голосового режиму?

Диктування працює в один бік: ти говориш, слова потрапляють у промпт, і ти читаєш відповідь на екрані. Голосовий режим працює в обидва боки: ти говориш, і відповідь тобі промовляють уголос. Claude Code і Antigravity CLI диктують. Codex CLI і oh-my-pi вміють і те, і інше. OpenCode без плагіна не вміє ні того, ні іншого.