Tryb głosowy w Codex: jak włączyć /voice i co można z nim zrobić

Stabilna wersja Codex CLI 0.155.0 została wydana 17 września 2026 r., a następnego dnia ukazała się poprawka 0.155.1. Wersja 0.155.0 wprowadziła eksperymentalne rozmowy głosowe z agentem w interfejsie terminala: możesz opisać zadanie na głos i usłyszeć odpowiedź. Aby rozpocząć, użyj polecenia /voice.

Ta funkcja jest domyślnie wyłączona i nie jest obsługiwana we wszystkich środowiskach. Aby ją włączyć, otwórz /experimental, wybierz „Rozmowy głosowe” i uruchom ponownie Codex. Opis został sprawdzony z informacjami o wydaniu, zmianą #43581 i kodem źródłowym Codex 19 września 2026 r. Materiały źródłowe nie obejmowały rzeczywistej rozmowy głosowej: mechanizm opisano na podstawie źródeł pierwotnych, bez testu z pierwszej ręki.

Więcej informacji znajdziesz w dokumentacji Ailoot.

Co dodano w Codex 0.155?#

W repozytorium znajduje się zamknięta dyskusja na temat usunięcia /realtime. Wersja 0.155.0 przywraca głos w terminalu w nowej postaci: za pomocą jednego polecenia /voice, z transkrypcją na żywo, wskaźnikami nagrywania i elementami sterującymi mikrofonem.

Warunki i ograniczenia:

• funkcja jest eksperymentalna i domyślnie wyłączona;
• działa w obsługiwanych kompilacjach — OpenAI nie podaje w informacjach o wydaniu dokładnej listy platform, a obsługa jest sprawdzana podczas uruchamiania;
• opis zmiany #43581 wspomina o lokalnym dźwięku WebRTC i sygnalizacji przez app-server. Samo to nie oznacza, że rozmowa pozostaje w całości na twoim urządzeniu; informacje o wydaniu nie opisują dokładnej ścieżki przetwarzania.

Wersja 0.155.0 dodała również bieżące podsumowania rozumowania w wierszu stanu, zarządzanie zadaniami w widoku agenta (ukrywanie, archiwizowanie i usuwanie), zatwierdzanie żądań do serwerów MCP (połączonych narzędzi zewnętrznych) przez Touch ID na Macu, konfigurowalny harmonogram aktualizacji usługi działającej w tle oraz pobieranie danych uwierzytelniających Amazon Bedrock z poleceń zewnętrznych. Wersja 0.155.1 to poprawka ukierunkowana na konkretny problem: w nowych sesjach lokalnych podsumowania rozumowania ponownie są domyślnie wyłączone, ponieważ niektórzy dostawcy odrzucali te żądania.

Jak zaktualizować Codex do wersji 0.155?#

Najpierw sprawdź zainstalowaną wersję:

codex --version

Jeśli wersja jest starsza niż 0.155.0, zaktualizuj ją tą samą metodą, której użyto do instalacji:

# Jeśli zainstalowano przez npm
npm update -g @openai/codex

# Jeśli zainstalowano przez Homebrew
brew upgrade --cask codex

Jeśli Codex został zainstalowany za pomocą oficjalnego skryptu ze strony internetowej, uruchom go ponownie:

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

W systemie Windows użyj tego samego instalatora PowerShell co przy pierwszej instalacji. Jeśli jeszcze nie masz Codex albo nie wiesz, jak się zalogować, zacznij od poradnika Codex od OpenAI: czym jest, jak go zainstalować i zalogować się.

Jak włączyć tryb głosowy?#

Kroki:

1. W działającej sesji Codex wpisz /experimental.
2. Znajdź na liście funkcji eksperymentalnych pozycję „Rozmowy głosowe” (jej opis brzmi „Talk with Codex using /voice”) i ją włącz.
3. Całkowicie zamknij Codex i uruchom go ponownie. W ogłoszeniu funkcji napisano: „Restart Codex after enabling, then use /voice”.
4. Wpisz /voice — rozpocznie się rozmowa głosowa.

Do korzystania z tej funkcji potrzebujesz mikrofonu i uprawnień systemu operacyjnego. Na Macu system poprosi o dostęp przy pierwszym rozpoczęciu nagrywania; w systemach Windows i Linux sprawdź, czy mikrofon jest wybrany jako urządzenie domyślne. Jeśli w /experimental nie ma pozycji „Rozmowy głosowe”, twoja kompilacja najprawdopodobniej nie obsługuje tej funkcji — zaktualizuj ją do najnowszej wersji i sprawdź ponownie.

Co można robić podczas rozmowy głosowej?#

Zgodnie z opisem zmiany #43581 w repozytorium rozmowa działa w następujący sposób:

• Transkrypcja na żywo. Twoje słowa i odpowiedzi agenta pojawiają się na ekranie w trakcie mówienia, wraz ze stanem rozmowy oraz poziomami dźwięku mikrofonu i głośnika. Tekst nie znika przy przełączaniu się między rozmowami.
• Nie wszystko jest odczytywane na głos. W rozmowie głosowej odczytywane są końcowe odpowiedzi agenta. Rozumowanie i komentarze pośrednie są ukryte. Odpowiedzi otrzymane w formie tekstu nie są ponownie odczytywane na głos.
• Sterowanie bez myszy. /voice mute wycisza mikrofon (skrót klawiaturowy można skonfigurować), a /voice stop kończy rozmowę.
• Ograniczone rejestrowanie. Tekst wypowiadany na głos i dane o zdarzeniach sesji głosowej usunięto z potwierdzeń i dzienników debugowania.

Dźwięk jest przetwarzany przez usługę OpenAI. Nie udostępniaj w rozmowie głosowej poufnych informacji — danych klientów ani liczb, które nie powinny opuszczać twojego urządzenia.

Kiedy przydaje się głos, a kiedy lepszy jest tekst?#

Oto kilka sytuacji, w których można użyć /voice:

• Podyktuj całe zadanie. Jeśli mówienie jest dla ciebie szybsze niż pisanie, możesz w ten sposób przekazać dużo kontekstu: tło, to, co już zostało wypróbowane, i kierunki, których należy unikać. To ten sam sposób dyktowania zadań co w innych narzędziach, dostępny teraz bezpośrednio w Codex.
• Zadawaj pytania w trakcie pracy. Podczas pracy agenta możesz na głos zapytać „co teraz robisz?” albo „dlaczego wybrałeś tę opcję?”, bez przechodzenia do klawiatury.
• Omów plan przed programowaniem. Rozmowa o trzech możliwych rozwiązaniach i wysłuchanie ich analizy pozwalają na bieżąco omówić plan.

Dokładne polecenia, ścieżki plików, fragmenty kodu i komunikaty o błędach najlepiej wklejać jako tekst. Jeśli potrzebujesz tylko szybkiego dyktowania bez rozmowy, lokalna opcja taka jak Whisper robi to bezpłatnie i nie wysyła dźwięku poza twoje urządzenie; opisano ją w artykule Bezpłatne wprowadzanie głosowe za pomocą Whisper.

Jakie są ograniczenia i co należy sprawdzić?#

Przed użyciem sprawdź następujące ograniczenia:

• Status eksperymentalny. Informacje o wydaniu wyraźnie o tym mówią. Polecenia i zachowanie mogą się zmienić; jeśli coś nie działa zgodnie z oczekiwaniami, sprawdź informacje o najnowszej wersji.
• Nie wszystkie kompilacje. OpenAI używa określenia „obsługiwane kompilacje”, ale nie publikuje listy platform w informacjach o wydaniu — obsługa jest określana podczas uruchamiania. Jeśli w /experimental brakuje tej opcji, sprawdź wersję i to, czy twoja kompilacja obsługuje tę funkcję.
• Brak informacji o planach. Informacje o wydaniu nie wskazują, które subskrypcje ChatGPT zapewniają dostęp do rozmów głosowych. Jeśli /voice nie uruchamia się mimo włączonej funkcji, sprawdź dostępność w dokumentacji swojego planu.
• Dźwięk opuszcza twoje urządzenie. Rozmowa nie pozostaje w całości na twoim urządzeniu; OpenAI nie opisuje w informacjach o wydaniu dokładnej ścieżki przetwarzania. Opis implementacji wspomina o lokalnym dźwięku WebRTC i sygnalizacji przez app-server. Przed omawianiem danych służbowych sprawdź, czy ich przesyłanie jest dozwolone.
• Domyślnie włączone w 0.156. Kod zawiera już zmianę przenoszącą rozmowy głosowe z funkcji eksperymentalnych do stabilnych i włączającą je domyślnie. Zmianę uwzględniono w przedpremierowych kompilacjach 0.156.0-alpha, ale nie w stabilnej wersji 0.155. Zgodnie z kodem po wydaniu 0.156 osobna aktywacja przez /experimental nie będzie już konieczna.

Jeśli wybierasz agenta terminalowego, głos jest tylko jednym z kryteriów. Ogólne porównanie możliwości znajdziesz w przeglądzie Codex czy Claude Code.

Krótkie podsumowanie#

Codex 0.155.0 wprowadził do terminala rozmowy głosowe z agentem: włącz tryb przez /experimental, po ponownym uruchomieniu użyj /voice, a rozmową steruj za pomocą /voice mute i /voice stop. W rozmowie głosowej agent odczytuje wyłącznie końcowe odpowiedzi, rozumowanie jest ukryte, a na ekranie pojawia się transkrypcja na żywo. Funkcja jest eksperymentalna i nie działa w każdej kompilacji, a dźwięk opuszcza twoje urządzenie; przedpremierowe kompilacje serii 0.156 już przenoszą ten tryb do wersji stabilnej z domyślnym włączeniem. Zaktualizuj Codex poleceniem odpowiednim dla metody instalacji, włącz funkcję i wypróbuj ją na własnym zadaniu.

Jeden ze sposobów na uporządkowanie vibe codingu: klon AI + drugi mózg + inżynieria kontekstu.

Gdy będziesz gotowy, poznaj Ailoot.