Sprachmodus in Codex: So aktivierst du /voice und was damit möglich ist

Codex CLI 0.155.0 wurde am 17. September 2026 als stabile Version veröffentlicht, gefolgt vom Fix 0.155.1 am nächsten Tag. Version 0.155.0 führte experimentelle Sprachgespräche mit dem Agenten in der Terminaloberfläche ein: Du kannst eine Aufgabe laut beschreiben und dir die Antwort anhören. Verwende zum Starten den Befehl /voice.

Die Funktion ist standardmäßig deaktiviert und wird nicht überall unterstützt. Um sie zu aktivieren, öffne /experimental, wähle „Sprachgespräche“ aus und starte Codex neu. Die Beschreibung der Quelle wurde am 19. September 2026 anhand der Versionshinweise, der Änderung #43581 und des Codex-Quellcodes geprüft. Das Quellenmaterial enthält kein tatsächlich geführtes Sprachgespräch: Die Funktionsweise wird anhand von Primärquellen beschrieben, hier wurde sie nicht selbst getestet.

Weitere Anleitungen findest du in der Ailoot-Dokumentation.

Was wurde mit dem Sprachmodus in Codex 0.155 eingeführt?#

Im Repository gibt es eine geschlossene Diskussion über die Entfernung von /realtime. Mit Version 0.155.0 kehrt die Sprache in neuer Form ins Terminal zurück: mit einem einzigen Befehl /voice, einem Live-Transkript, Aufnahmeanzeigen und Mikrofonsteuerung.

Bedingungen und Einschränkungen:

• Die Funktion ist experimentell und standardmäßig deaktiviert.
• Sie funktioniert in unterstützten Builds. OpenAI nennt in den Versionshinweisen keine genaue Liste der Plattformen; die Unterstützung wird beim Start geprüft.
• Die Beschreibung der Änderung #43581 erwähnt lokales WebRTC-Audio und Signalisierung über app-server. Das allein bedeutet nicht, dass das Gespräch vollständig auf deinem Gerät bleibt; die Versionshinweise erläutern den genauen Verarbeitungsweg nicht.

Version 0.155.0 fügte außerdem Live-Zusammenfassungen der Schlussfolgerungen in der Statuszeile, Aufgabenverwaltung in der Agentenübersicht (ausblenden, archivieren und löschen), die Freigabe von Anfragen an MCP-Server (verbundene externe Tools) per Touch ID auf dem Mac, einen konfigurierbaren Aktualisierungszeitplan für den Hintergrunddienst und das Abrufen von Amazon-Bedrock-Anmeldedaten über externe Befehle hinzu. Version 0.155.1 ist ein gezielter Fix: Bei neuen lokalen Sitzungen sind Zusammenfassungen der Schlussfolgerungen wieder standardmäßig deaktiviert, weil einige Anbieter solche Anfragen ablehnten.

Wie aktualisierst du Codex auf 0.155?#

Prüfe zuerst die installierte Version:

codex --version

Wenn die Version älter als 0.155.0 ist, aktualisiere Codex mit derselben Methode, mit der du es installiert hast:

# Wenn du über npm installiert hast
npm update -g @openai/codex

# Wenn du über Homebrew installiert hast
brew upgrade --cask codex

Wenn du das offizielle Skript von der Website verwendet hast, führe es erneut aus:

# macOS oder Linux
curl -fsSL https://chatgpt.com/codex/install.sh | sh

Unter Windows verwendest du dasselbe PowerShell-Installationsprogramm wie bei der Erstinstallation. Wenn du Codex noch nicht installiert hast oder nicht sicher bist, wie du dich anmeldest, beginne mit dem Leitfaden Codex von OpenAI: Was es ist, wie du es installierst und dich anmeldest.

Wie aktivierst du den Sprachmodus?#

Schritte:

1. Gib in einer laufenden Codex-Sitzung /experimental ein.
2. Suche in der Liste der experimentellen Funktionen nach „Sprachgespräche“ (die Beschreibung lautet „Talk with Codex using /voice“) und aktiviere die Funktion.
3. Beende Codex vollständig und starte es erneut. In der Funktionsankündigung steht: „Restart Codex after enabling, then use /voice“.
4. Gib /voice ein — das Sprachgespräch beginnt.

Du benötigst ein Mikrofon und die Berechtigung des Betriebssystems, es zu verwenden. Auf dem Mac fragt das System beim ersten Start einer Aufnahme nach dem Zugriff. Unter Windows und Linux musst du prüfen, ob das Mikrofon als Standardgerät ausgewählt ist. Wenn „Sprachgespräche“ unter /experimental fehlt, unterstützt dein Build die Funktion wahrscheinlich nicht. Aktualisiere auf die neueste Version und prüfe es erneut.

Was kann ein Sprachgespräch?#

Laut der Beschreibung der Änderung #43581 im Repository läuft das Gespräch folgendermaßen ab:

• Transkript in Echtzeit. Deine Worte und die Antworten des Agenten erscheinen beim Sprechen auf dem Bildschirm, zusammen mit dem Gesprächsstatus und den Audiopegeln von Mikrofon und Lautsprecher. Beim Wechsel zwischen Gesprächen geht der Text nicht verloren.
• Nicht alles wird laut gesprochen. Die abschließenden Antworten des Agenten in einem Sprachgespräch werden gesprochen. Schlussfolgerungen und Zwischenkommentare bleiben verborgen. Antworten, die als Text eingehen, werden nicht laut wiederholt.
• Steuerung ohne Maus. /voice mute schaltet das Mikrofon stumm (das Tastenkürzel dafür ist konfigurierbar), und /voice stop beendet das Gespräch.
• Weniger Protokollierung. Der laut gesprochene Text und Ereignisdaten der Sprachsitzung wurden aus Beleg- und Debug-Protokollen entfernt.

Audio wird von OpenAIs Dienst verarbeitet. Teile in einem Sprachgespräch keine sensiblen Informationen — etwa Kundendaten oder Zahlen, die dein Gerät nicht verlassen dürfen.

Wann ist Sprache hilfreich und wann ist Text besser?#

Einige Einsatzszenarien für /voice:

• Die ganze Aufgabe diktieren. Wenn Sprechen für dich schneller ist als Tippen, kannst du so umfangreichen Kontext vermitteln: den Hintergrund, was du bereits versucht hast und welche Wege du nicht einschlagen möchtest. Das entspricht dem Diktieren von Aufgaben in anderen Tools, jetzt direkt in Codex.
• Während der Arbeit nachfragen. Während der Agent arbeitet, kannst du laut fragen: „Was machst du gerade?“ oder „Warum hast du diese Option gewählt?“, ohne zur Tastatur zu wechseln.
• Den Plan vor dem Programmieren besprechen. Drei mögliche Lösungen durchzusprechen und eine Analyse dazu zu hören, ermöglicht eine Unterhaltung in Echtzeit.

Exakte Befehle, Dateipfade, Codeausschnitte und Fehlermeldungen solltest du zuverlässiger als Text einfügen. Wenn du nur schnell etwas diktieren möchtest, ohne ein Gespräch zu führen, erledigt eine lokale Option wie Whisper das kostenlos, ohne Audio von deinem Gerät zu senden. Diese Option wird im Artikel über kostenlose Spracheingabe mit Whisper behandelt.

Welche Einschränkungen gibt es und was solltest du prüfen?#

Prüfe vor der Verwendung diese Einschränkungen:

• Experimenteller Status. In den Versionshinweisen wird dies ausdrücklich genannt. Befehle und Verhalten können sich ändern. Wenn etwas nicht wie erwartet funktioniert, lies die Versionshinweise zur neuesten Version.
• Nicht in allen Builds verfügbar. OpenAI spricht von „supported builds“, veröffentlicht aber in den Versionshinweisen keine Liste der Plattformen. Die Unterstützung wird beim Start geprüft. Wenn die Option unter /experimental fehlt, prüfe deine Version und ob dein Build die Funktion unterstützt.
• Tarife nicht offengelegt. In den Versionshinweisen steht nicht, welche ChatGPT-Abonnements den Zugriff auf Sprachgespräche ermöglichen. Wenn /voice trotz aktivierter Funktion nicht startet, prüfe die Verfügbarkeit in der Dokumentation zu deinem Tarif.
• Audio verlässt dein Gerät. Das Gespräch bleibt nicht vollständig auf deinem Gerät; OpenAI erläutert den genauen Verarbeitungsweg in den Versionshinweisen nicht. Die Implementierungsbeschreibung erwähnt lokales WebRTC-Audio und Signalisierung über app-server. Prüfe vor Gesprächen über Arbeitsdaten, ob deren Übertragung zulässig ist.
• In 0.156 standardmäßig aktiviert. Der Code enthält bereits eine Änderung, durch die Sprachgespräche von experimentell auf stabil umgestellt und standardmäßig aktiviert werden. Sie war in Vorabversionen von 0.156.0-alpha enthalten, aber nicht in der stabilen Version 0.155. Dem Code zufolge wird nach Veröffentlichung von 0.156 die separate Aktivierung über /experimental nicht mehr erforderlich sein.

Wenn du dich zwischen Terminal-Agenten entscheidest, ist Sprache nur ein Kriterium. Einen allgemeinen Vergleich der Funktionen findest du in der Übersicht Codex oder Claude Code.

Kurzer Rückblick#

Mit Codex 0.155.0 kamen Sprachgespräche mit dem Agenten ins Terminal: Aktiviere den Modus über /experimental, verwende nach dem Neustart /voice und steuere das Gespräch mit /voice mute und /voice stop. Der Agent spricht bei einem Sprachgespräch nur abschließende Antworten; Schlussfolgerungen bleiben verborgen und auf dem Bildschirm erscheint ein Live-Transkript. Die Funktion ist experimentell, wird nicht in jedem Build unterstützt und Audio verlässt dein Gerät. Vorabversionen der Reihe 0.156 stellen den Modus bereits auf stabil und standardmäßig aktiviert um. Aktualisiere Codex mit dem Befehl für deine Installationsmethode, aktiviere die Funktion und probiere sie mit deiner eigenen Aufgabe aus.

Eine Möglichkeit, Vibe Coding zu organisieren: KI-Klon + Zweites Gehirn + Kontext-Engineering.

Wenn du bereit bist, entdecke Ailoot.