Припиніть читати термінал.
Говоріть зі своїм агентом.
Voice Mode: це двостороння голосова розмова з працюючим AI агентом з програмування. Натисніть один раз, говоріть свою чергу, і агент відповідає вголос природним голосом. Без введення підказки, без прокручування стінки виводу терміналу, щоб дізнатися, що сталося.
Увімкніть режим без рук, і він продовжує слухати між відповідями, щоб ви могли ходити по кімнаті, спостерігати за збіркою або пити каву, обговорюючи план. Запитайте, на якому етапі рефакторинг, він вам скаже. Скажіть запустити тести та повідомити результат, він це зробить, а потім озвучить результат.
Voice Mode в дії: агент слухає, режим без рук увімкнено, голос відповіді налаштовано, і агент відповідає вголос між вашими чергами.
Ось зміна, на яку відповідає Voice Mode. Ваш агент працює довше і робить більше самостійно: редагує файли, виконує команди, пише тести, виправляє те, що зламав. Вузьким місцем більше не є написання коду, а залишатися в курсі, поки агент працює. Читання рядок за рядком виводу терміналу або введення ще однієї підказки, щоб запитати, що відбувається, повертає вас до клавіатури на кожну чергу.
Voice Mode перетворює цей цикл на розмову. Ви говорите свою чергу вголос, агент відповідає вголос. Ви задаєте питання, даєте виправлення, затверджуєте план, все голосом, і ви чуєте відповідь, озвучену вам природним голосом, замість того, щоб розбирати її на екрані. Це різниця між наглядом за процесом і розмовою з колегою.
Це не те саме, що голосове диктування. Диктування одностороннє: ви говорите, воно транскрибує ваші слова в композитор, і ви все ще читаєте відповідь агента. Voice Mode двосторонній: мова в, мова з, жива взаємодія. Диктування допомагає швидше написати підказку. Voice Mode дозволяє повністю обійти клавіатуру та екран, поки агент продовжує рухатися.
Чому говорити зі своїм агентом, а не вводити та читати
Залишайтеся в курсі, без рук. Здатний агент може працювати хвилинами на одній інструкції. З Voice Mode у режимі без рук ви залишаєтеся на зв'язку весь час, не сидячи на клавіатурі. Запитайте статус, направте наступний крок, підтвердіть рішення, все це, стоячи біля дошки або спостерігаючи за перезавантаженням додатку.
Природна взаємодія. Введення підказки, очікування, читання виводу, знову введення: це незграбний цикл. Говорити свою чергу і чути відповідь: це розмова. Це швидше для коротких черг (швидке так, невелике виправлення, ще одне питання) і набагато менш втомлює, ніж читання стінок тексту терміналу для кожного оновлення.
Без очей, без екрану. Чути відповідь агента означає, що вам не потрібно дивитися на термінал, щоб знати, що він зробив. Погляньте на збірку, ваші тести, ваш дизайн або взагалі ні на що, і нехай озвучене оновлення скаже вам, де стоять справи. Агент розповідає, ви тримаєте очі там, де відбувається реальна робота.
З обсягу AI, включеного у ваш план. Voice Mode використовує голосовий бекенд AgentsRoom, перетворення мови в текст на вході та тексту в мову на виході, і бере з того самого місячного обсягу, що й диктування. Він входить у кожен план, і якщо ви вичерпаєте його до кінця місяця, можна поповнити або додати власний ключ API OpenAI і отримувати рахунки напряму від OpenAI.
Як працює Voice Mode
Відкрийте його на працюючому агенті, говоріть, слухайте, повторюйте. Озвучений цикл замість введення та читання.
Відкрийте Voice Mode на працюючому агенті
Voice Mode запускається для агента, який вже працює в його терміналі, з композитора цього агента. Потрібна жива сесія, тому що розмова відбувається з цим конкретним агентом, у його поточному контексті, а не з новим чатом.
Натисніть, щоб говорити
Натисніть один раз і говоріть свою чергу: питання, інструкцію, виправлення. Стан перемикається на прослуховування з індикатором активності, щоб ви могли бачити, що мікрофон захоплює. Виберіть режим без рук, щоб він продовжував слухати між чергами, або натисніть, щоб говорити, щоб взяти одну чергу за раз.
Він транскрибує і відправляє агенту
Коли ви закінчите, ваша мова транскрибується і відправляється в працюючий агент як ваше повідомлення, точно так, якби ви його ввели. Стан проходить через транскрибування та відправлення, тому ви завжди знаєте, де ваша черга в процесі.
Агент працює
Агент обробляє ваш хід у власній сесії: він може читати файли, виконувати команди, редагувати код, запускати тести, робити все, що ви попросили у своєму повідомленні. Voice Mode показує робочий стан з ім'ям агента, поки він виконує завдання, так само, як звичайний хід у терміналі.
Прослухати відповідь вголос
Коли агент відповідає, його відповідь читається вголос тим голосом, який ви обрали. Ви чуєте статус, результат, наступне питання, не читаючи термінал. Додатковий сигнал позначає межу між ходами, щоб ви знали, коли знову ваша черга.
Зробіть свій наступний хід
У режимі hands-free він вже знову слухає, тому ви просто продовжуєте говорити. У режимі tap-to-talk ви натискаєте, щоб почати свій наступний хід. Розмова триває стільки, скільки ви хочете, потім ви закриваєте Voice Mode, і агент залишається там, де ви його залишили в терміналі.
Hands-free, щоб залишатися в курсі без клавіатури
Суть режиму Voice Mode не в новизні. Це можливість встигати за швидким агентом, не будучи прив'язаним до свого столу.
Сучасний агент кодування виконує багато за один хід, і проміжки між вашими ходами: це ті моменти, коли ви зазвичай втрачаєте контекст: ви відходите, агент завершує, і ви повертаєтеся до екрану, повного виводу, який тепер потрібно прочитати. Hands-free Voice Mode закриває цю прогалину. Агент розповідає, що він зробив, коли закінчив, вголос, і ви відповідаєте, не сідаючи назад.
Hands-free тримає мікрофон відкритим між ходами, тому розмова протікає, як телефонний дзвінок: ви говорите, він працює, він говорить, ви знову говорите. Віддаєте перевагу контролювати кожен хід? Tap-to-talk бере один хід за раз, що зручно в шумному приміщенні або коли ви хочете лише зрідка втручатися.
Сигнал: це дрібниця, яка має значення на практиці. Коли ви не дивитеся на екран, короткий сигнал повідомляє, що агент закінчив говорити і ваша черга, щоб ви не говорили одночасно з ним або не чекали в тиші, гадаючи, чи він закінчив.
Це те, що робить Voice Mode корисним для реальної роботи, а не просто демонстрацією. Він створений для моментів, коли агент виконує важку роботу, а ви хочете керувати, перевіряти та затверджувати, поки ваші руки та очі вільні для всього іншого.
Виберіть свій голос, слідкуйте за розмовою
Voice Mode дає вам управління, яке робить розмову комфортною, і показує вам точно, де знаходиться кожен хід.
Голоси та сигнали
- Голос відповіді: alloy та інші природні голоси
- Hands-free: продовжуйте слухати між ходами
- Tap-to-talk: робіть один хід за раз
- Сигнал: короткий тон позначає межу кожного ходу
- Автоматичне визначення мови: говоріть своїми словами, він визначає мову
- Допустима пауза: виберіть, як довго може тривати пауза на роздуми, перш ніж ваш хід буде надіслано
Стан розмови
- Слухання: мікрофон захоплює ваш хід
- Транскрибування: ваша мова перетворюється в текст
- Відправка: ваше повідомлення надсилається агенту
- Робота: агент виконує завдання
- Говоріння: відповідь агента читається вголос
Автоматичне визначення мови означає, що вам не потрібно вибирати мову, щоб почати говорити, а видимі стани означають, що ви ніколи не гадаєте, чи агент вас почув, чи працює, чи збирається відповісти.
Що Voice Mode насправді робить під капотом
Voice Mode: це повнодуплексний шар поверх звичайної сесії агента. На вашому ході він записує ваш голос і відправляє аудіо на бекенд AgentsRoom, який виконує перетворення мови в текст і повертає транскрипт. Цей транскрипт вводиться в працюючий агент як ваше повідомлення, тому з точки зору агента це просто ще один хід у розмові, яку він вже веде з вами.
На ході агента його текстова відповідь відправляється назад на бекенд AgentsRoom для перетворення тексту в мову тим голосом, який ви обрали, і отримане аудіо відтворюється вам. Перетворення мови в текст на вході, перетворення тексту в мову на виході, з реальною роботою агента між ними. Ось чому Voice Mode потребує облікового запису та працюючого агента: голосовий бекенд проксірує мовні моделі, і розмова прив'язана до живої сесії.
Оскільки агент бачить лише текст, Voice Mode за своєю конструкцією нейтральний до провайдера. Незалежно від того, чи є агент Claude, Codex, GitHub Copilot CLI, Cursor або будь-який з 10 інших CLI-агентів, які підтримує AgentsRoom, ваш транскрибований хід надходить як повідомлення, і його відповідь озвучується так само. Ніщо в голосовому шарі не залежить від того, який CLI працює під ним.
Voice Mode і Voice Dictation беруть з одного місячного обсягу, оскільки обидва спираються на той самий голосовий бекенд. Диктування витрачає його на транскрипцію вашої мови в один бік; Voice Mode витрачає його на повний цикл транскрипції плюс озвучені відповіді, що є відкритим за своєю природою, оскільки розмова може тривати, поки ви говорите. Саме тому обсяг рахується за часом, а не за кількістю викликів.
Де працює Voice Mode
Двостороння усна розмова з активним агентом на робочому столі, вхід і вихід мови.
Робочий стіл, на активному агенті
Voice Mode працює на macOS, запускається з композитора агента, який вже працює. Він спілкується з цим конкретним агентом у його поточній сесії, тому розмова має повний контекст, який агент вже створив, а не чистий аркуш.
Вхід мови
Вашу чергу захоплює мікрофон і транскрибує голосовий бекенд AgentsRoom, потім відправляє агенту як ваше повідомлення. Режим без рук тримає мікрофон відкритим між чергами; режим натискання для розмови бере одну чергу за раз. Автоматичне визначення мови.
Вихід мови
Відповідь агента озвучується за допомогою тексту в мову в обраному вами голосі (alloy та інші). Додатковий сигнал позначає кінець кожної усної відповіді, щоб ви знали, що це ваша черга, навіть коли ви не дивитеся на екран.
Голосове диктування проти Voice Mode
Обидва використовують ваш голос. Один пише підказку для вас, інший веде розмову.
Голосове диктування (в один бік)
- : Ви говорите, воно транскрибує ваші слова в композитор.
- : Ви все ще читаєте відповідь агента на екрані самостійно.
- : Чудово підходить для швидкого написання довгої, точної підказки.
- : Ви залишаєтеся за клавіатурою, щоб відправити і прочитати результат.
- : Один напрямок: голос в, текст у чернетці, ви продовжуєте звідти.
Voice Mode (двосторонній)
- : Ви говорите свою чергу, агент відповідає вголос.
- : Ви чуєте відповідь, немає потреби читати термінал.
- : Чудово підходить для керування і перевірки, поки агент працює.
- : Режим без рук підтримує розмову без клавіатури.
- : Обидва напрямки: голос в, агент працює, голос з.
Використовуйте диктування, щоб написати чудову підказку за секунди, і Voice Mode, щоб спілкуватися з агентом, поки він виконує підказку.
Як звучить усна черга
Ви не вводите жодного з цього. Ви говорите свою чергу вголос, агент виконує роботу і озвучує відповідь. Ось один раунд розмови в режимі Voice Mode.
Раунд розмови
Ви: Де ми з рефакторингом входу?
Агент: Обмежувач швидкості встановлено, а шлях успіху не змінено. Два тести все ще червоні.
Ви: Виправте два невдалі тести, потім запустіть весь набір і скажіть мені кількість.
Агент: Готово. Обидва пройшли. Повний набір: 142 пройшли, 0 не пройшли.
Ви: Добре. Закомітьте це з коротким повідомленням і зупиніться на цьому.FAQ
Що таке Voice Mode в AgentsRoom?
Voice Mode - це двостороння голосова розмова з активним AI агентом для кодування. Ви натискаєте і говорите свою чергу, ваша мова транскрибується і відправляється агенту, агент виконує роботу, і його відповідь зачитується вам вголос природним голосом. Це дозволяє вам спілкуватися з агентом і чути його відповіді замість того, щоб вводити підказки і читати вивід терміналу.
Чим Voice Mode відрізняється від голосового диктування?
Голосове диктування - це односторонній процес: ви говорите, і ваші слова транскрибуються в композитор як підказка, потім ви читаєте відповідь агента на екрані. Voice Mode - це двосторонній процес: ви говорите свою чергу, і агент відповідає вголос, живий обмін репліками. Диктування допомагає швидше написати підказку; Voice Mode дозволяє вести розмову без рук, поки агент працює.
Чи агент дійсно відповідає вголос?
Так. Відповідь агента перетворюється в мову за допомогою тексту-в-мову і відтворюється вголос у вибраному вами голосі. Ви чуєте статус, результат і наступне питання, тому вам не потрібно читати термінал, щоб знати, що зробив агент.
Що таке режим без рук?
Режим без рук тримає мікрофон відкритим між чергами, тому розмова протікає як телефонний дзвінок: ви говорите, агент працює, він говорить, і вже слухає вашу наступну чергу. Якщо ви віддаєте перевагу контролювати кожну чергу, натискання для розмови бере одну чергу за раз, що зручно в шумному приміщенні.
Чи можу я вибрати голос?
Так. Ви вибираєте голос для відповіді (сплав та інші голоси), який використовується для озвучених відповідей агента. Ви також можете увімкнути додатковий звуковий сигнал, який відтворює короткий тон на межі між чергами, щоб ви знали, коли агент закінчив говорити і настала ваша черга.
Які мови підтримує Voice Mode?
Voice Mode автоматично визначає мову, якою ви говорите, тому ви можете говорити своїми словами без попереднього вибору мови. Транскрипція обробляється голосовим бекендом AgentsRoom, тією ж мовною системою, що використовується для диктування.
Чи потрібен мені обліковий запис і активний агент?
Так, обидва. Voice Mode потребує облікового запису з виконаним входом, оскільки голосовий бекенд проксіює мовні моделі та бере з місячного обсягу вашого плану, і йому потрібен агент, оскільки саме розмова керує цим агентом.
Чи використовує Voice Mode кредити?
Так. Voice Mode бере з того самого місячного обсягу, що й диктування. Диктування витрачає його на транскрипцію вашої мови в один бік; Voice Mode витрачає його на повний цикл транскрипції плюс озвучені відповіді, що є відкритим, оскільки розмова може тривати, поки ви продовжуєте говорити. Якщо ви вичерпаєте його до кінця місяця, можна поповнити місяць або додати власний ключ API OpenAI у застосунку і отримувати рахунки напряму від OpenAI.
Чи доступний він у живій веб-демо?
Ні. Публічна веб-демо імітує бекенд, тому реальна голосова розмова не може там працювати. Натискання на Voice Mode у демо показує повідомлення, яке запрошує вас завантажити AgentsRoom, де Voice Mode спілкується з вашими реальними агентами.
Чи працює Voice Mode з Claude Code, Codex і Antigravity?
Так, з усіма ними, а також з кожним іншим CLI-агентом, який підтримує AgentsRoom: 14 загалом, включно з GitHub Copilot CLI та Cursor. Агент бачить лише текст, тому ваша озвучена черга надходить як повідомлення, і його відповідь озвучується так само, незалежно від того, який агент CLI працює під ним.
Добре поєднується з
Голосове диктування
Односторонній аналог режиму Voice Mode. Диктуйте довгу, точну підказку в композитор голосом, потім спілкуйтеся з агентом, поки він її виконує.
Віддалене управління агентом
Керуйте своїми настільними агентами з телефону. Голос - це найприродніший спосіб залишатися на зв'язку з агентом, коли ви далеко від клавіатури.
Синхронізація мобільного і настільного пристроїв
Кінець-до-кінця зашифроване з'єднання між вашим телефоном і вашими агентами на робочому столі, щоб ви залишалися на зв'язку з тим, що працює на вашому комп'ютері.
Статус агента
Дізнайтеся, хто працює, хто завершив, а хто застряг, з першого погляду. Voice Mode дозволяє запитати працюючого агента про статус вголос.
Багатопровайдерність
Запускайте Claude, Codex, Antigravity, OpenCode, Aider, Grok Build, Mistral Vibe і Kimi Code паралельно. Voice Mode спілкується з будь-яким з них однаково.
Чернетка
Більший редактор у нижньому колонтитулі для нотаток і довших брифів. Використовуйте його з голосом, коли хід занадто довгий або занадто точний, щоб говорити.
Спілкуйтеся з вашими агентами, слухайте їх відповіді
Завантажте AgentsRoom і відкрийте Voice Mode на працюючому агенті. Промовте свій хід, почуйте відповідь і залишайтеся в курсі подій без рук, поки агент виконує роботу. Двостороння голосова розмова, вбудована у ваш AI IDE для кодування.
Додаток-компаньйон: контролюйте своїх агентів на ходу
Використовуйте свого: Claude, Codex, Antigravity CLI або іншого AI-провайдера.
Надсилайте баги та запити прямо у свій публічний беклог.