Codex Voice Mode チュートリアル：CLI の /voice とデスクトップアプリで音声入力を有効にする
Codex の音声モードは2つに分かれます。Codex CLI v0.155.0 の実験的コマンド /voice と、ChatGPT デスクトップアプリの Codex ワークスペースでの音声入力です。この15ステップのガイドでは両方を扱います——フラグを有効にし、Ctrl+X でミュートし、リアルタイム波形に向かって指示を話し、Transcribe and send を押す。最後に、消えた音声ボタンを戻すための確認手順で締めくくります。
要点 — Codex 音声モードとは
- Codex 音声モードには入口が2つあります。CLI では v0.155.0 で追加された実験的コマンド /voice（Ctrl+X でミュート）。デスクトップアプリでは Codex ワークスペースへの音声入力——リアルタイム波形で話して Transcribe and send——に加え、声で応答してくれるリアルタイムセッションも別途あります。
- 通常チャットの音声と、Work や Codex の音声は別物です。デスクトップでは macOS または Windows の公式アプリ、最新ビルド、正しいワークスペースが必要。ブラウザや非公式ラッパーにこのボタンが表示されることはありません。
- デスクトップの手順は短いです。左上のワークスペース切り替えで Codex を選び、Do anything コンポーザーのマイクをタップし、指示を話して Transcribe and send を押す。文字起こしは普通のプロンプトとしてスレッドに流れ、あとはエージェントが動きます。
- 音声ボタンが見つからないときは順に確認します。アプリの更新、ワークスペースの確認、プランとワークスペースの利用資格（管理者設定や段階的ロールアウトが妨げることがあります）、そして macOS のプライバシーとセキュリティか Windows の設定でマイクを許可。
ChatGPT Voice Missing in Work or Codex? Check App & Access
動画デモ:TechFix Guides3:30
Codex CLI v0.155.0 — ChatGPT & Codex changelog
製品情報:learn.chatgpt.comChangelog
ステップ4〜6と11〜14の画像は TechFix Guides の可用性チェック動画から、ステップ7〜10と15は Developers Digest の Codex デスクトップ動画（音声入力フロー含む）から静止画を引用しました。/voice フラグ・/experimental トグル・Ctrl+X ミュートの挙動は Codex CLI v0.155.0 の公式チェンジログに基づきます。ステップ1〜3は一次情報のみで記述しています——ターミナルの /voice セッションのきれいな録画はまだ存在しません。
画像はすべて出典動画のクレジット付きスクリーンショットで、タイムスタンプから元動画にジャンプできます。本文はオリジナルの解説であり、字幕の翻訳ではありません。
Codex 音声モードをステップごとに
1 · Codex CLI で /voice を有効にする
- 1
Codex CLI を v0.155.0 以降に更新
/voice コマンドは Codex CLI v0.155.0 で登場しました。まずはバージョンが関門です。設定に手を付ける前に CLI を更新し、実行中のバージョンを確認しましょう。ステップ1〜3はすべてターミナル内の作業で、ステップ4からデスクトップアプリにバトンが渡ります。
- 2
/experimental で音声をオンにする
音声機能は実験的フラグの後ろにあります。Codex セッション内で /experimental を実行し、一覧から voice をオンに。このフラグこそが /voice を存在させるものです——飛ばすとコマンド自体が出てきません。
- 3
/voice でセッション開始、Ctrl+X でミュート
/voice を実行すると Codex がターミナルで聞き始めます。Ctrl+X はセッションを終えずにマイクをミュートするショートカットで、細かい隙間まで書き起こさせることなく思考を声に出せます。終了は通常どおり——次のグループのデスクトップ体験は入口が別の、独立した画面です。
2 · デスクトップアプリを Codex ワークスペースへ
- 4
デスクトップアプリを Codex ワークスペースに切り替える
ワークスペース切り替えは ChatGPT デスクトップアプリの左上にあります。開いて Codex を選択——ChatGPT の真下にある Build, debug, and ship のラベルの項目です。Work や Codex の音声は独立したデスクトップ機能なので、正しいワークスペースにいることが最初の条件。その後、無害なテストプロジェクトを開いて音声コントロールが出るか確認します。
ワークスペースメニュー。ChatGPT の下に Codex — Build, debug, and ship。1:40 のデモを見る - 5
なぜチャットの音声が Codex の音声ではないのか
サイドバーには Work の位置で止まった Work / Code のセグメントトグルがあり、その下に New chat、Search chats、Plugins、Automations、Project が並びます。通常チャットの音声と Work・Codex の音声は別機能で、普通の会話でマイクが使えてもここには反映されません。チャットで音声ボタンが動いていても Codex ワークスペースに現れないのは、このためです。
サイドバーの Work / Code トグル。Work のまま、下に New chat と Project。3:00 のデモを見る - 6
ChatGPT デスクトップアプリを最新ビルドに
ビルドが古いと機能は隠れたままです。アプリの情報カードを開く——録画では Message ChatGPT コンポーザーの上に Version 1.2024.130 と表示されています——その後、アップデートを確認して最新版を入れ、再起動します。この機能は Windows または macOS の公式デスクトップアプリ向けで、ブラウザや非公式ラッパーは対象外です。
Version 1.2024.130 を示す情報カードと、コンポーザーのマイクボタン。1:00 のデモを見る - 7
Codex アプリでマイクボタンを見つける
Codex デスクトップアプリを開くと、ホーム画面は What should we work on? の一言。空の Do anything コンポーザーの下にプロジェクトピッカーがあり、ボックスの右端にマイクボタンが付いています。このマイクが音声入力の入口で、以降のステップはすべてここから始まります。
Codex のホーム画面。Do anything コンポーザー、プロジェクトピッカー、右端のマイク。2:50 のデモを見る
3 · 話して送る、リアルタイムで対話する
- 8
リアルタイム波形に向かって指示を話す
マイクをタップするとコンポーザーがレコーダーに変わります。話すのに合わせてリアルタイム波形が描かれ、経過タイマーが進み——ここでは 0:03——四角のボタンで録音を終えます。指示は一息で話してしまいましょう。録音がタイピングの代わりになるので、仕事全体をキーボードに触らずに説明できます。
録音中。リアルタイム波形、0:03 のタイマー、コンポーザーの停止ボタン。2:55 のデモを見る - 9
Transcribe and send を押す
録音を止めると、送信ボタンにカーソルを合わせた瞬間に Transcribe and send のツールチップが現れます——このテイクは 0:21。押せば Codex が録音を文字起こしし、そのテキストをプロンプトとして一気に送信します。押すまで何も送られないので、言い淀んだら撮り直してからで大丈夫です。
0:21 の音声入力の後、送信ボタンに浮かぶ Transcribe and send のツールチップ。3:10 のデモを見る - 10
話した指示を普通のプロンプトとして走らせる
文字起こしは普通のプロンプトとしてスレッドに流れます。この口述は neo-brutalist な Next.js SaaS ランディングページに、並行で動く3人の開発エージェントを求めたもので、話したとおりそのまま。Codex はタイピングと同じように扱い、エージェントはそれぞれ独自のコンテキストウィンドウで動き始めます。音声入力が変えるのは入力の方法で、Codex にできることではありません。
口述した SaaS ランディングページの指示が、普通のプロンプトとしてスレッドに。3:15 のデモを見る - 11
音声入力だけでなくリアルタイム音声も試す
音声入力だけがモードではありません。別のリアルタイム音声セッションは作業しながら声で答えてくれます。Riley Brown の実演では画面を読み取り、会話しながら調べ物をし、バックグラウンドでタスクを立ち上げていました。しかも明示的に頼まない限りメッセージを送ったりお金を使ったりしません。全画面は光るオーブと、その横にマイクミュートと通話終了のボタン。途中でミュートしても会話は続いたまま、周囲の人と話せます。
全画面の音声セッション。光るオーブの下にミュートと終了ボタン。0:30 のデモを見る - 12
音声がオフのままなら、まずツールチップを読む
音声がまだ使えないとき、Work のホーム画面が理由を教えてくれます。青いツールチップには、アプリがマイクの使用を許可されるまで音声は無効のままだと表示されています。まだ再インストールは不要。これは OS の権限の問題で、次の2ステップで各プラットフォームの直し方を扱います。音声がオフの間も、スタータータスクカードや Choose project、Plugins は普通に使えます。
Work ホームのツールチップ。マイクを許可するまで音声は無効と表示。0:40 のデモを見る
4 · マイク権限を直して結果を確認する
- 13
macOS でマイクを許可する
macOS ではシステム設定 → プライバシーとセキュリティ → マイクと進み、ChatGPT デスクトップアプリをオンにします。このペインには申請したことのあるアプリが並び、ここでは GarageBand・Slack・zoom が見えます。許可したらアプリを再起動。必要な権限だけを有効にしてください。音声ボタンを戻すためだけにディスク全体や機密フォルダを渡すのは、元動画でも注意喚起されています。
macOS のマイクペイン。ChatGPT アプリがここで収音を許可されます。2:30 のデモを見る - 14
Windows でマイクを許可する
Windows では設定 → プライバシー → マイクと進み、「アプリにマイクの使用を許可する」をオンにして、下のアプリ別スイッチを確認します。このペインには Microsoft Edge・OneNote・ボイスレコーダー・Xbox が並んでいます。ChatGPT デスクトップアプリ自身のスイッチも忘れずにオンに。ワークフローによっては、画面とシステムオーディオの記録やアクセシビリティの権限を追加で求められることもあります。
Windows のマイク設定。マスタースイッチとアプリ別トグル。2:40 のデモを見る - 15
アプリ内ブラウザで結果を開く
Codex に戻ると、声で頼んだ仕事の結果が目に見えて残ります。アプリ内ブラウザのプレビューが、エージェントスレッドの横で生成された localhost のランディングページを走らせています。デモの3人の開発エージェントは、口述された指示をもとにそれぞれ独自のコンテキストでこれを構築しました。ブラウザペインを広げればアノテーション機能で要素をクリックしてフィードバックを積めます。ここでもキーボードは不要です。
生成されたランディングページが localhost でアプリ内ブラウザに表示中。4:40 のデモを見る