Chế độ giọng nói trong Codex, OpenCode, Antigravity và Claude Code: CLI nào có?

Mọi người gõ "codex voice mode", "opencode voice mode" và "antigravity voice mode" vào Google, và những câu trả lời họ tìm thấy trộn lẫn hai thứ khác nhau dưới cùng một cái tên. Vì vậy, ngày 13 tháng 10 năm 2026, chúng tôi đã mở từng CLI được cài trên máy build của mình, đọc danh sách lệnh của chính nó, và đối chiếu với tài liệu của nhà phát triển vào hôm đó.

Trước hết là hai khái niệm, vì toàn bộ câu trả lời phụ thuộc vào chúng.

Đọc chính tả là một chiều. Bạn nói, lời nói vào prompt, bạn nhấn Enter, và bạn đọc câu trả lời trên màn hình.

Chế độ giọng nói là hai chiều. Bạn nói, agent làm việc, và câu trả lời được đọc lại cho bạn nghe. Bạn có thể rời mắt khỏi terminal.

Câu trả lời nhanh

Phần còn lại của trang này là chi tiết cho từng dòng, rồi đến câu hỏi xuất hiện ngay sau đó: nói chuyện với một agent có tốn nhiều token hơn gõ cho nó không.

Claude Code: đọc chính tả, không phải trò chuyện

Claude Code có đọc chính tả bằng giọng nói (phiên bản 2.1.69 trở lên). Bạn bật nó một lần bằng /voice, và nó giữ nguyên trạng thái bật qua các phiên:

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

Giữ phím Space trong lúc nói và thả ra để dừng. Lời bạn nói hiện trong prompt ngay khi bạn nói, mờ đi cho tới khi bản chép lời hoàn tất, và bạn có thể trộn gõ phím với đọc chính tả trong cùng một tin nhắn. Nếu không muốn giữ phím, /voice tap bắt đầu ghi âm ở lần nhấn đầu và gửi prompt ở lần nhấn thứ hai, miễn là bản chép lời có ít nhất ba từ. Phím này là phím tắt voice:pushToTalk, và bạn có thể chuyển nó sang một tổ hợp có phím bổ trợ như meta+k trong ~/.claude/keybindings.json.

Các giới hạn được ghi trong tài liệu đọc chính tả bằng giọng nói. Âm thanh được truyền tới máy chủ của Anthropic để chép lời, không xử lý cục bộ. Nó cần đăng nhập claude.ai: với khóa API Anthropic, Bedrock hay một nhà cung cấp cloud khác, /voice là một lệnh không xác định. Nó cần một micro cục bộ, nên không hoạt động trong phiên SSH hay trong phiên cloud. Ngôn ngữ đọc chính tả theo thiết lập language, hỗ trợ 20 ngôn ngữ và dùng tiếng Anh làm ngôn ngữ dự phòng.

Điều nó không làm là nói. Claude trả lời bằng văn bản, như mọi khi. Ứng dụng Claude có một chế độ giọng nói thực sự, đang ở bản beta trên di động, desktop và web, nhưng trang trợ giúp về chế độ giọng nói của Anthropic nói rõ: trong Claude Cowork và Claude Code, có đọc chính tả nhưng không có chế độ giọng nói.

Codex CLI: trò chuyện bằng giọng nói thực sự với /voice

Đây là công cụ mà phần lớn mọi người đang tìm, và cũng là công cụ mà tài liệu kém rõ ràng nhất.

Trang về giọng nói của Codex của OpenAI mô tả ChatGPT Voice, chạy trên GPT-Live: một cuộc trò chuyện bằng giọng nói mà bạn mở trên một tác vụ Codex trong ứng dụng desktop ChatGPT, hoặc qua Codex trên iOS khi điện thoại đã được ghép nối với một máy desktop làm máy chủ. Trang này liệt kê các gói Plus, Pro, Business, Edu và Enterprise, chỉ một cuộc trò chuyện giọng nói hoạt động tại một thời điểm, và một tính năng đọc chính tả riêng chỉ chuyển lời nói thành văn bản prompt. Trang không nhắc tới CLI.

CLI có tính năng của riêng nó. Trong codex-cli 0.162.1, danh sách lệnh slash (trong kho mã nguồn mở và trong file nhị phân đã cài) có /voice, được mô tả là "start or stop voice; use /voice settings to choose a voice". Bạn có thể xác nhận tính năng đang bật trong bản cài của mình:

codex features list | grep realtime
# realtime_conversation   stable   true

Trong một phiên, /voice bắt đầu một cuộc trò chuyện thời gian thực trên luồng hiện tại. Bạn nói, Codex trả lời thành tiếng, và phụ đề của cả hai bên cuộn trong terminal. Keymap có một hành động để bắt đầu hoặc dừng cuộc trò chuyện và một hành động khác để tắt micro của bạn, cả hai đều gán lại phím được. CLI từ chối trong ba trường hợp, mỗi trường hợp có một thông báo: trước tin nhắn đầu tiên của cuộc trò chuyện ("Start a conversation before using voice mode"), bên trong một cuộc trò chuyện phụ, và trên bản build không có thành phần âm thanh ("Voice requires macOS, an MSVC-based Windows build, or a glibc-based Linux build").

Có hai mô hình làm việc trong cuộc trò chuyện đó: một mô hình giọng nói thời gian thực nói chuyện với bạn, và luồng Codex làm công việc thực sự. Phía giọng nói chuyển yêu cầu của bạn cho luồng, điều mà mã nguồn gọi là handoff, và đọc lại cho bạn kết quả trả về. Hãy nhớ điều này cho phần về token bên dưới.

OpenCode: không có gì tích hợp sẵn

OpenCode 1.19.0 không có lệnh giọng nói nào và không có đọc chính tả. Những chuỗi "speech" duy nhất trong file nhị phân của nó là mô tả các mô hình giọng nói trong danh mục nhà cung cấp, thứ bạn có thể gọi từ mã của riêng mình, không phải một cách để nói chuyện với OpenCode.

Cộng đồng lấp chỗ trống. opencode-voice là một plugin đọc chính tả vào prompt của OpenCode: Ctrl+X V bắt đầu ghi âm, Enter dừng lại và chèn bản chép lời, và bạn chọn giữa Whisper cục bộ, OpenAI, ElevenLabs hoặc ứng dụng Handy để chép lời. README của nó thẳng thắn về tình trạng: phần mềm tiền phát hành, chỉ Linux x64, thu âm micro còn thử nghiệm. Nó không đọc câu trả lời thành tiếng.

Trên macOS hoặc Windows, tính năng đọc chính tả tích hợp trong hệ điều hành hoạt động trong mọi terminal, kể cả OpenCode.

Antigravity CLI: đọc chính tả với /voice

Antigravity CLI có đọc chính tả, được ghi trong trang /voice của nó. /voice, bí danh /record của nó, hoặc phím F5 sẽ khởi động. Văn bản vào ô prompt và không được gửi cho tới khi bạn tự gửi.

Ba giới hạn. Nó cần một phiên tương tác và bị tắt ở chế độ --print. Nó không dành cho tài khoản business hay enterprise. Và nếu bạn đăng nhập trước khi tính năng đọc chính tả ra mắt, việc chép lời sẽ thất bại cho tới khi bạn chạy /logout và đăng nhập lại.

Trường hợp SSH được xử lý tốt hơn phần lớn công cụ khác: chạy agy mic-serve trên máy của bạn, mở một reverse tunnel bằng ssh -R 24713:127.0.0.1:4713 <server>, và khởi động CLI trên máy chủ bằng ANTIGRAVITY_MIC=127.0.0.1:24713 agy. Khi đó micro của bạn cấp âm thanh cho phiên từ xa. Không có câu trả lời bằng giọng nói.

oh-my-pi: cả hai, và đọc chính tả ở lại trên máy bạn

oh-my-pi (omp) là CLI duy nhất ở đây làm được cả hai, và tính năng đọc chính tả của nó không bao giờ rời khỏi máy.

Chuyển giọng nói thành văn bản mặc định bị tắt. Bật nó trong phần cài đặt (nhóm Speech), rồi giữ phím Space để ghi âm và thả ra để chép lời. Mô hình chạy ngay trên máy: mặc định là Parakeet TDT v3, với các kích cỡ Whisper làm lựa chọn thay thế cho máy yếu hơn. Một thiết lập quyết định khi nào một đoạn đọc chính tả được gửi: không bao giờ, khi thả phím, khi thả phím với một câu hoàn chỉnh, hoặc khi bạn nói "submit".

Cuộc trò chuyện là /live, hoặc Ctrl+L. CLI mô tả nó là "Codex-backed realtime voice mode", và giọng được chọn trong phần cài đặt (Live Voice). Ngoài ra, omp say đọc to bất kỳ văn bản nào bằng Kokoro-82M, một mô hình giọng nói cũng chạy cục bộ.

Paseo và T3 Code: giọng nói trong một ứng dụng, không phải trong CLI

Hai ứng dụng xuất hiện trong cùng những lượt tìm kiếm này.

Paseo chạy một daemon quản lý các agent lập trình của bạn, với client desktop, di động, web và CLI. Nó làm cả đọc chính tả lẫn trò chuyện ở chế độ giọng nói. Phần giọng nói có thể xử lý trên máy bạn (Parakeet để chuyển giọng nói thành văn bản, Kokoro để chuyển văn bản thành giọng nói, các mô hình ONNX trên CPU) hoặc qua OpenAI, và bản thân chế độ giọng nói là một phiên agent ẩn trên Claude, Codex hoặc OpenCode. Mô hình giọng nói cục bộ mặc định chỉ hỗ trợ tiếng Anh; một mô hình Parakeet khác hỗ trợ 25 ngôn ngữ châu Âu. Chúng tôi đã so sánh phần còn lại của Paseo với AgentsRoom trên trang thay thế Paseo.

T3 Code có nhập liệu bằng giọng nói trong ứng dụng iOS: việc chép lời chạy trên điện thoại và điền vào bản nháp, nó không bao giờ tự gửi gì. Không có câu trả lời bằng giọng nói.

Chế độ giọng nói có tốn nhiều token hơn không?

Đây là câu hỏi đến ngay sau "nó có tồn tại không", và câu trả lời khác nhau với từng công cụ.

• Đọc chính tả của Claude Code: không. Tài liệu của Anthropic nói việc chép lời không tiêu tin nhắn hay token Claude nào và không tính vào các giới hạn hiển thị trong /usage. Những gì bạn đọc trở thành một prompt bình thường và tốn đúng bằng prompt đó khi gõ.
• Chế độ giọng nói trong ứng dụng Claude: được tính vào giới hạn sử dụng thông thường của bạn, giống văn bản, theo trang trợ giúp của Anthropic.
• /voice của Codex CLI: một mô hình giọng nói thời gian thực chạy song song với luồng Codex suốt thời gian cuộc trò chuyện mở. Các trang của OpenAI không nói một cuộc trò chuyện giọng nói được tính vào giới hạn Codex thế nào. Chúng tôi không tìm thấy con số nào, nên chúng tôi không đưa ra con số.
• Antigravity CLI: chỉ có đọc chính tả, và tài liệu không nói nó được tính thế nào.
• oh-my-pi: đọc chính tả trên máy không tốn token nào và không gửi gì đi. /live đi qua giọng nói thời gian thực của Codex.

Quy tắc nền tảng ở đâu cũng giống nhau: mô hình làm việc đọc văn bản. Một lượt nói được tính phí như một lượt gõ. Thứ thay đổi hóa đơn của bạn là số lượt và độ sâu của phiên, và giọng nói có xu hướng tạo ra nhiều lượt hơn, ngắn hơn. Chúng tôi đã nêu cùng nhận xét này về điện thoại trong bài Remote Control của Claude Code có tốn nhiều token hơn không.

AgentsRoom làm gì bên cạnh những công cụ này

Voice Mode trong AgentsRoom đi theo hướng còn lại: một cuộc trò chuyện bằng giọng nói duy nhất, không phụ thuộc vào CLI bạn chạy.

Nó hoạt động trên terminal, không phải trên CLI. Bạn mở nó trên một agent đang chạy. Lượt của bạn được chép lời và gửi vào terminal của agent đó như tin nhắn của bạn, agent làm việc trong phiên của chính nó, và câu trả lời của nó được đọc to bằng giọng bạn đã chọn. Chế độ rảnh tay mở lại micro sau mỗi câu trả lời. Ngôn ngữ được tự động nhận diện. Mọi thứ giống nhau với Claude Code, Codex, GitHub Copilot CLI, Cursor và 10 CLI agent khác mà AgentsRoom chạy, trong ứng dụng desktop trên macOS, Windows và Linux.

Phần token phát sinh nhỏ và bạn nhìn thấy được: ở tin nhắn nói đầu tiên, agent nhận một đoạn mở đầu ngắn yêu cầu trả lời bằng giọng nói trong hai đến năm câu, không markdown và không đọc to đường dẫn file, rồi một lời nhắc lại sau mỗi năm tin nhắn. Phần xử lý giọng nói chạy trên backend của chúng tôi và được tính bằng credit giọng nói dùng chung với đọc chính tả, hoặc trên khóa API OpenAI của riêng bạn.

Nếu chỉ cần đọc chính tả, có một nút micro trong composer, được mô tả trên trang đọc chính tả bằng giọng nói. Giọng nói tích hợp trong một CLI vẫn dùng được trong terminal của nó: hai thứ không loại trừ nhau.

Cách kiểm tra trên máy của bạn

Các phiên bản thay đổi nhanh, và trang này sẽ cũ đi. Đây là cách kiểm tra từng dòng của bảng trong một phút:

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

Nếu /voice trả về "Unknown command" trong Claude Code, bạn đang đăng nhập bằng khóa API hoặc một nhà cung cấp cloud, không phải bằng tài khoản claude.ai. Nếu realtime_conversation không có trong danh sách của Codex, CLI của bạn cũ hơn bản chúng tôi đã kiểm tra.

Câu hỏi thường gặp

Codex CLI có chế độ giọng nói không?

Có. Trong codex-cli 0.162.1, lệnh /voice bắt đầu một cuộc trò chuyện bằng giọng nói trên luồng hiện tại: bạn nói, Codex trả lời thành tiếng, và phụ đề của cả hai bên hiện trong terminal. /voice settings dùng để chọn giọng. Nó cần một cuộc trò chuyện đã bắt đầu, không hoạt động trong các cuộc trò chuyện phụ, và chạy trên các bản build macOS, Windows và Linux có hỗ trợ. Trang về giọng nói của chính OpenAI mô tả ChatGPT Voice trong ứng dụng desktop ChatGPT và trong Codex trên iOS, không phải lệnh của CLI, nên chúng tôi đã kiểm tra trực tiếp trên CLI.

Claude Code có chế độ giọng nói không?

Claude Code có đọc chính tả bằng giọng nói, không phải trò chuyện bằng giọng nói. Chạy /voice, rồi giữ phím Space trong lúc nói (hoặc dùng /voice tap) và bản chép lời sẽ vào prompt. Claude vẫn trả lời bằng văn bản. Nó cần đăng nhập claude.ai và một micro cục bộ, nên không hoạt động với khóa API, trong phiên SSH hay trong phiên cloud. Anthropic cho biết chế độ giọng nói của ứng dụng Claude không có trong Claude Code.

OpenCode có chế độ giọng nói không?

Không có sẵn. OpenCode 1.19.0 không có lệnh giọng nói nào và không có đọc chính tả. Một plugin cộng đồng, opencode-voice, thêm tính năng đọc chính tả vào prompt bằng Ctrl+X V, nhưng đó là phần mềm tiền phát hành và chỉ chạy trên Linux x64. Ngoài ra, bạn dùng tính năng đọc chính tả của hệ điều hành.

Antigravity CLI có chế độ giọng nói không?

Nó có đọc chính tả. /voice, bí danh /record của nó, hoặc phím F5 chuyển lời nói của bạn thành văn bản trong ô prompt mà không gửi đi. Nó cần một phiên tương tác, bị tắt ở chế độ --print, và không dành cho tài khoản business hay enterprise. Qua SSH, agy mic-serve chuyển tiếp micro của chính máy bạn tới máy chủ. Không có câu trả lời bằng giọng nói.

Chế độ giọng nói của Claude có tốn nhiều token hơn không?

Tùy bạn đang nói về giọng nói nào. Theo tài liệu của Anthropic, tính năng đọc chính tả của Claude Code không tiêu tin nhắn hay token Claude nào và không tính vào các giới hạn trong /usage: những gì bạn đọc trở thành một prompt bình thường. Chế độ giọng nói trong ứng dụng Claude được tính vào giới hạn sử dụng thông thường của bạn, giống văn bản. Trong cả hai trường hợp mô hình đều thấy văn bản, nên một lượt nói tốn đúng bằng lượt gõ tương ứng, và yếu tố thực sự quyết định là số lượt và độ sâu của các lượt.

Đọc chính tả bằng giọng nói và chế độ giọng nói khác nhau thế nào?

Đọc chính tả là một chiều: bạn nói, lời nói vào prompt, và bạn đọc câu trả lời trên màn hình. Chế độ giọng nói là hai chiều: bạn nói, và câu trả lời được đọc lại cho bạn nghe. Claude Code và Antigravity CLI đọc chính tả. Codex CLI và oh-my-pi làm cả hai. OpenCode không làm được cái nào nếu không có plugin.