Modalità vocale in Codex: come abilitare /voice e cosa può fare

Codex CLI stabile 0.155.0 è stato rilasciato il 17 settembre 2026, seguito il giorno dopo dalla correzione 0.155.1. La versione 0.155.0 ha introdotto le conversazioni vocali sperimentali con l’agente nell’interfaccia del terminale: puoi descrivere un’attività a voce e ascoltare la risposta. Usa il comando /voice per iniziare.

La funzionalità è disabilitata per impostazione predefinita e non è supportata ovunque. Per abilitarla, apri /experimental, seleziona Conversazioni vocali e riavvia Codex. La descrizione della fonte è stata verificata rispetto alle note di rilascio, alla modifica #43581 e al codice sorgente di Codex il 19 settembre 2026. Il materiale di origine non ha eseguito una conversazione vocale reale: i meccanismi sono descritti sulla base di fonti primarie, senza una verifica diretta in questo caso.

Ulteriori istruzioni sono disponibili nella documentazione di Ailoot.

Che cosa è stato aggiunto in Codex 0.155?#

Nel repository è presente una discussione chiusa sulla rimozione di /realtime. La versione 0.155.0 riporta la voce nel terminale in una nuova forma: un unico comando /voice con trascrizione in tempo reale, indicatori di registrazione e controlli del microfono.

Condizioni e limiti:

• la funzionalità è sperimentale e disabilitata per impostazione predefinita;
• funziona nelle build supportate — OpenAI non indica nelle note un elenco preciso di piattaforme e il supporto viene verificato all’avvio;
• la descrizione della modifica #43581 menziona l’audio WebRTC locale e la segnalazione tramite app-server. Questo da solo non significa che la conversazione resti interamente sul tuo dispositivo; le note non descrivono il percorso preciso di elaborazione.

La versione 0.155.0 ha inoltre aggiunto riepiloghi in tempo reale del ragionamento nella riga di stato, la gestione delle attività nella panoramica dell’agente (nascondere, archiviare ed eliminare), l’approvazione delle richieste ai server MCP (strumenti esterni collegati) tramite Touch ID su Mac, una pianificazione configurabile degli aggiornamenti per il servizio in background e il recupero delle credenziali Amazon Bedrock da comandi esterni. La versione 0.155.1 è una correzione mirata: i riepiloghi del ragionamento sono di nuovo disabilitati per impostazione predefinita nelle nuove sessioni locali, perché alcuni provider rifiutavano tali richieste.

Come si aggiorna Codex alla versione 0.155?#

Per prima cosa, controlla la versione installata:

codex --version

Se la versione è precedente alla 0.155.0, aggiorna Codex con lo stesso metodo usato per installarlo:

# Se hai installato tramite npm
npm update -g @openai/codex

# Se hai installato tramite Homebrew
brew upgrade --cask codex

Se hai installato Codex con lo script ufficiale dal sito web, eseguilo di nuovo:

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

Su Windows, usa lo stesso programma di installazione PowerShell usato per la prima installazione. Se non hai ancora installato Codex o non sai bene come accedere, inizia con la guida Codex di OpenAI: che cos’è, come installarlo e accedere.

Come si abilita la modalità vocale?#

Passaggi:

1. In una sessione Codex in esecuzione, inserisci /experimental.
2. Trova Conversazioni vocali nell’elenco delle funzionalità sperimentali (la descrizione è “Talk with Codex using /voice”) e abilitala.
3. Esci completamente da Codex e avvialo di nuovo. L’annuncio della funzionalità dice: “Restart Codex after enabling, then use /voice”.
4. Inserisci /voice — inizierà una conversazione vocale.

Per usarlo occorrono un microfono e l’autorizzazione del sistema operativo. Su Mac, il sistema chiederà l’accesso al primo avvio della registrazione; su Windows e Linux, controlla che il microfono sia selezionato come dispositivo predefinito. Se Conversazioni vocali non compare in /experimental, è probabile che la tua build non supporti la funzionalità: aggiorna all’ultima versione e controlla di nuovo.

Che cosa può fare una conversazione vocale?#

Secondo la descrizione della modifica #43581 nel repository, la conversazione funziona così:

• Trascrizione in tempo reale. Le tue parole e le risposte dell’agente appaiono sullo schermo mentre vengono pronunciate, insieme allo stato della conversazione e ai livelli audio del microfono e dell’altoparlante. Il testo non si perde quando si passa da una conversazione all’altra.
• Non tutto viene pronunciato a voce. Vengono pronunciate le risposte finali dell’agente in una conversazione vocale. Il ragionamento e i commenti intermedi sono nascosti. Le risposte ricevute come testo non vengono ripetute a voce.
• Controlli senza mouse. /voice mute disattiva il microfono (la scorciatoia da tastiera è configurabile) e /voice stop termina la conversazione.
• Registrazione ridotta. Il testo pronunciato a voce e i dati degli eventi della sessione vocale sono stati rimossi dai log delle ricevute e di debug.

L’audio viene elaborato dal servizio di OpenAI. Non condividere informazioni sensibili in una conversazione vocale — dati dei clienti o cifre che non devono lasciare il tuo dispositivo.

Quando è utile la voce e quando è meglio il testo?#

Ecco alcuni scenari per /voice:

• Dettare l’intera attività. Se per te parlare è più veloce che digitare, è un modo per fornire un contesto lungo: il retroscena, ciò che hai già provato e dove non andare. È lo stesso approccio usato per dettare attività in altri strumenti, ora direttamente in Codex.
• Fare domande mentre procedi. Mentre l’agente lavora, puoi chiedere a voce «che cosa stai facendo adesso?» oppure «perché hai scelto questa opzione?» senza passare alla tastiera.
• Discutere il piano prima di scrivere codice. Esaminare a voce tre possibili soluzioni e ascoltarne l’analisi permette una discussione in tempo reale.

È più affidabile incollare come testo comandi esatti, percorsi dei file, frammenti di codice e messaggi di errore. Se ti serve solo una dettatura rapida senza conversazione, un’opzione locale come Whisper lo fa gratuitamente, senza inviare l’audio fuori dal tuo dispositivo; l’opzione è descritta nell’articolo su l’input vocale gratuito con Whisper.

Quali sono i limiti e che cosa occorre controllare?#

Prima di usarla, controlla questi limiti:

• Stato sperimentale. Le note di rilascio lo dichiarano esplicitamente. I comandi e il comportamento possono cambiare; se qualcosa non funziona come previsto, consulta le note della versione più recente.
• Non tutte le build. OpenAI usa l’espressione “supported builds” ma non pubblica nelle note di rilascio un elenco di piattaforme: il supporto viene determinato all’avvio. Se l’opzione non compare in /experimental, controlla la versione e verifica che la tua build supporti la funzionalità.
• Piani non specificati. Le note di rilascio non indicano quali abbonamenti a ChatGPT consentano di accedere alle conversazioni vocali. Se /voice non si avvia anche se la funzionalità è abilitata, consulta la documentazione del tuo piano per verificarne la disponibilità.
• L’audio lascia il tuo dispositivo. La conversazione non resta interamente sul tuo dispositivo; nelle note, OpenAI non descrive il percorso preciso di elaborazione. La descrizione dell’implementazione menziona l’audio WebRTC locale e la segnalazione tramite app-server. Prima di discutere dati di lavoro, controlla che il trasferimento sia consentito.
• Abilitata per impostazione predefinita nella 0.156. Il codice contiene già una modifica che porta le conversazioni vocali fuori dalla modalità sperimentale e le abilita per impostazione predefinita; è stata inclusa nelle build prerelease 0.156.0-alpha, ma non nella versione stabile 0.155. Stando al codice, una volta rilasciata la 0.156 non sarà più necessario attivarla separatamente tramite /experimental.

Se stai scegliendo tra agenti per terminale, la voce è solo uno dei criteri. Per un confronto complessivo delle capacità, consulta la panoramica Codex o Claude Code.

Riepilogo breve#

Codex 0.155.0 ha portato le conversazioni vocali con l’agente nel terminale: abilita la modalità tramite /experimental, usa /voice dopo il riavvio e controllala con /voice mute e /voice stop. L’agente pronuncia solo le risposte finali in una conversazione vocale, il ragionamento è nascosto e sullo schermo appare una trascrizione in tempo reale. La funzionalità è sperimentale e non è supportata in tutte le build; inoltre, l’audio lascia il tuo dispositivo. Le build prerelease della serie 0.156 stanno già portando la modalità allo stato stabile per impostazione predefinita. Aggiorna con il comando corrispondente al tuo metodo di installazione, abilitala e provala con una tua attività.

Un modo per organizzare il vibe coding: clone AI + Second Brain + Context Engineering.

Quando vuoi, scopri Ailoot.