Modo de voz en Codex: cómo activar /voice y qué puede hacer

La versión estable 0.155.0 de Codex CLI se publicó el 17 de septiembre de 2026, seguida de la corrección 0.155.1 al día siguiente. La versión 0.155.0 introdujo conversaciones de voz experimentales con el agente en la interfaz de terminal: puedes describir una tarea en voz alta y escuchar la respuesta. Usa el comando /voice para empezar.

La función está desactivada de forma predeterminada y no es compatible con todas las plataformas. Para activarla, abre /experimental, selecciona Conversaciones de voz y reinicia Codex. La descripción de la fuente se verificó con las notas de la versión, el cambio #43581 y el código fuente de Codex el 19 de septiembre de 2026. El material de origen no incluye una conversación de voz real: los detalles de funcionamiento se describen a partir de fuentes primarias, sin una prueba de primera mano aquí.

Encontrarás más instrucciones en la documentación de Ailoot.

¿Qué se añadió en Codex 0.155?#

En el repositorio hay una discusión cerrada sobre la eliminación de /realtime. La versión 0.155.0 recupera la voz en el terminal con un nuevo formato: un único comando /voice, una transcripción en directo, indicadores de grabación y controles del micrófono.

Condiciones y limitaciones:

• la función es experimental y está desactivada de forma predeterminada;
• funciona en las compilaciones compatibles: OpenAI no especifica una lista exacta de plataformas en las notas y la compatibilidad se comprueba al iniciar;
• la descripción del cambio #43581 menciona audio WebRTC local y señalización mediante app-server. Eso no significa por sí solo que la conversación permanezca por completo en tu equipo; las notas no detallan la ruta exacta del procesamiento.

La versión 0.155.0 también añadió resúmenes de razonamiento en directo en la línea de estado, gestión de tareas en la vista general de agentes (ocultar, archivar y eliminar), aprobación de solicitudes a servidores MCP (herramientas externas conectadas) mediante Touch ID en Mac, un calendario de actualizaciones configurable para el servicio en segundo plano y la obtención de credenciales de Amazon Bedrock mediante comandos externos. La versión 0.155.1 es una corrección específica: los resúmenes de razonamiento vuelven a estar desactivados de forma predeterminada en las nuevas sesiones locales porque algunos proveedores rechazaban esas solicitudes.

¿Cómo actualizar Codex a la versión 0.155?#

Primero, comprueba la versión instalada:

codex --version

Si la versión es anterior a la 0.155.0, actualízala con el mismo método que usaste para instalarla:

# Si lo instalaste mediante npm
npm update -g @openai/codex

# Si lo instalaste mediante Homebrew
brew upgrade --cask codex

Si usaste el script oficial del sitio web, vuelve a ejecutarlo:

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

En Windows, usa el mismo instalador de PowerShell que utilizaste para la instalación inicial. Si aún no has instalado Codex o no sabes cómo iniciar sesión, empieza con la guía Codex de OpenAI: qué es, cómo instalarlo e iniciar sesión.

¿Cómo activar el modo de voz de Codex?#

Pasos:

1. En una sesión activa de Codex, escribe /experimental.
2. Busca Conversaciones de voz en la lista de funciones experimentales (su descripción es “Talk with Codex using /voice”) y actívala.
3. Cierra Codex por completo y vuelve a iniciarlo. El anuncio de la función dice: “Restart Codex after enabling, then use /voice”.
4. Escribe /voice: comenzará una conversación de voz.

Necesitarás un micrófono y el permiso del sistema operativo para usarlo. En Mac, el sistema pedirá acceso cuando empiece una grabación por primera vez; en Windows y Linux, comprueba que el micrófono esté seleccionado como dispositivo predeterminado. Si Conversaciones de voz no aparece en /experimental, lo más probable es que tu compilación no sea compatible con la función. Actualiza a la versión más reciente y vuelve a comprobarlo.

¿Qué se puede hacer en una conversación de voz?#

Según la descripción del cambio #43581 en el repositorio, la conversación funciona así:

• Transcripción en tiempo real. Tus palabras y las respuestas del agente aparecen en pantalla a medida que se pronuncian, junto con el estado de la conversación y los niveles de audio del micrófono y el altavoz. El texto no se pierde al cambiar de conversación.
• No todo se pronuncia en voz alta. Se pronuncian las respuestas finales del agente en una conversación de voz. El razonamiento y los comentarios intermedios permanecen ocultos. Las respuestas recibidas como texto no se repiten en voz alta.
• Controles sin ratón. /voice mute silencia el micrófono (el atajo de teclado se puede configurar) y /voice stop termina la conversación.
• Menos registros. Se eliminaron de los registros de recibos y depuración el texto pronunciado en voz alta y los datos de eventos de la sesión de voz.

El audio se procesa mediante el servicio de OpenAI. No compartas información sensible en una conversación de voz: por ejemplo, datos de clientes o cifras que no deban salir de tu equipo.

¿Cuándo resulta útil la voz y cuándo es mejor el texto?#

Algunos casos de uso de /voice:

• Dictar toda la tarea. Si para ti hablar es más rápido que escribir, puedes aportar mucho contexto: los antecedentes, lo que ya has intentado y por dónde no quieres seguir. Es la misma forma de dictar tareas que se usa en otras herramientas, ahora dentro del propio Codex.
• Preguntar sobre la marcha. Mientras el agente trabaja, puedes preguntar en voz alta «¿Qué estás haciendo ahora?» o «¿Por qué elegiste esa opción?» sin cambiar al teclado.
• Hablar del plan antes de programar. Repasar tres posibles soluciones y escuchar un análisis de cada una permite mantener una conversación en directo.

Es más fiable pegar como texto los comandos exactos, las rutas de archivos, los fragmentos de código y los mensajes de error. Si solo necesitas dictar algo rápidamente y no mantener una conversación, una opción local como Whisper lo hace gratis sin enviar el audio fuera de tu equipo; esa opción se trata en el artículo sobre entrada de voz gratuita con Whisper.

¿Cuáles son las limitaciones y qué deberías comprobar?#

Comprueba estas limitaciones antes de usarla:

• Estado experimental. Las notas de la versión lo indican expresamente. Los comandos y el comportamiento pueden cambiar; si algo no funciona como esperas, consulta las notas de la versión más reciente.
• No está disponible en todas las compilaciones. OpenAI utiliza la expresión “supported builds”, pero no publica una lista de plataformas en las notas de la versión; la compatibilidad se determina al iniciar. Si la opción no aparece en /experimental, comprueba tu versión y si tu compilación es compatible con la función.
• No se especifican los planes. Las notas de la versión no indican qué suscripciones de ChatGPT permiten acceder a las conversaciones de voz. Si /voice no se inicia aunque la función esté activada, comprueba la disponibilidad en la documentación de tu plan.
• El audio sale de tu equipo. La conversación no permanece por completo en tu equipo; OpenAI no detalla en las notas la ruta exacta del procesamiento. La descripción de la implementación menciona audio WebRTC local y señalización mediante app-server. Antes de hablar sobre datos de trabajo, comprueba si está permitido transferirlos.
• Activado de forma predeterminada en 0.156. El código ya contiene un cambio que convierte las conversaciones de voz de experimentales a estables y las activa de forma predeterminada. Se incluyó en las compilaciones preliminares 0.156.0-alpha, pero no en la versión estable 0.155. Según el código, una vez que se publique la versión 0.156, ya no hará falta activarlas por separado mediante /experimental.

Si estás eligiendo entre agentes de terminal, la voz es solo un criterio. Para obtener una comparación general de sus capacidades, consulta la descripción general de Codex o Claude Code.

Resumen breve#

Codex 0.155.0 incorporó conversaciones de voz con el agente en el terminal: activa el modo mediante /experimental, usa /voice después de reiniciar y contrólalo con /voice mute y /voice stop. En una conversación de voz, el agente solo pronuncia las respuestas finales, el razonamiento permanece oculto y aparece en pantalla una transcripción en directo. La función es experimental, no es compatible con todas las compilaciones y el audio sale de tu equipo; las versiones preliminares de la serie 0.156 ya están pasando el modo a estable y activado de forma predeterminada. Actualiza con el comando correspondiente a tu método de instalación, activa la función y pruébala con una tarea propia.

Una forma de organizar el vibe coding: clon de IA + segundo cerebro + ingeniería de contexto.

Cuando quieras, explora Ailoot.