Deepseek ArtifactsDeepseek Artifacts
Codex 语音模式 · 2026 实操图解

Codex Voice Mode 新手教程：在 Codex CLI 与桌面端开启 /voice

Codex 语音模式分两半：一边是 Codex CLI v0.155.0 里实验性的 /voice 命令（按 F8 也能直接开启），一边是 ChatGPT 桌面端 Codex 工作区里的语音。这篇 15 步教程两边都覆盖——打开开关、按 F8 或运行 /voice、用 Ctrl+X 静音、对着实时波形口述需求、按下 Transcribe and send——最后收在语音按钮消失时的排查清单上。

开始实操看常见问题

一句话总结：Codex 语音模式是什么

  • Codex 语音模式是两个界面。终端里是 Codex CLI v0.155.0 加入的实验性 /voice 命令，F8 负责切换、Ctrl+X 负责静音。ChatGPT 桌面端则是往 Codex 工作区里口述——实时波形，再按 Transcribe and send——另外还有一个会出声回答的实时语音会话。
  • 普通聊天里的语音和 Work、Codex 里的语音是两回事。桌面端体验要求 macOS 或 Windows 官方应用、够新的版本和正确的工作区——网页版和非官方套壳永远看不到这个按钮。
  • 桌面端流程很短：把左上角的工作区选择器切到 Codex，点 Do anything 输入框上的麦克风，说出需求，再按 Transcribe and send。转写文本会作为一条普通 prompt 落进线程，剩下的交给 Agent。
  • 语音按钮不见了，就按顺序排查：升级应用、确认工作区、检查套餐与工作区资格（管理员设置和灰度发布都可能拦住它），再到 macOS 隐私与安全性或 Windows 设置里放行麦克风。

ChatGPT Voice Missing in Work or Codex? Check App & Access

视频演示:TechFix Guides3:30

打开

Codex CLI v0.155.0 — ChatGPT & Codex changelog

产品事实:learn.chatgpt.comChangelog

打开

第 4-6 步和第 12-14 步的截图来自 TechFix Guides 的可用性排查录屏；第 7-10 步和第 15 步来自 Developers Digest 的 Codex 桌面端演示（含语音输入流程）。/voice 开关、F8 切换与 Ctrl+X 静音快捷键的行为，对照 Codex CLI v0.155.0 官方更新日志以及随产品发布的 TUI 键位默认值。第 1-3 步只依据这些一手来源——终端里的 /voice 会话目前没有干净录屏。

所有截图均来自来源视频并标注时间戳，点击可跳转原片。本文为原创整理，不是字幕直译。

Codex 语音模式，逐步实操

1 · 在 Codex CLI 里打开 /voice

  1. 1

    把 Codex CLI 升到 v0.155.0 或更高

    /voice 命令随 Codex CLI v0.155.0 发布，所以版本就是门槛。先升级 CLI 并确认正在运行的版本，再去动任何设置——语音只在受支持的构建里提供，同一个版本还为 macOS 打包了签名语音资源。第 1 到 3 步全在终端里完成，第 4 步起交给桌面端。

  2. 2

    在 /experimental 里打开语音

    语音藏在实验性开关后面。在 Codex 会话里运行 /experimental，在列表中把 voice 打开。这个开关决定了 /voice 是否存在——不开，命令和输入条上的麦克风控件都不会出现。

  3. 3

    用 /voice 或 F8 开始会话，用 Ctrl+X 静音

    运行 /voice，或直接按 F8，Codex 就在终端里开启实时语音会话——F8 是 toggle_voice 动作的内置默认键，不用打字也能启动。说出的内容以翻页式实时转写出现在对话里，会话中途按 Ctrl+X 切换麦克风静音，你可以边想边说，不必把每次停顿都口述出来。两个键都不是写死的：TUI 会从配置里读取 tui.keymap.chat.toggle_voice 和 tui.keymap.chat.toggle_voice_mute，如果 Ctrl+X 已经另有用途，改绑比放弃更划算。再按一次 F8 结束会话——下一组的桌面端体验是另一套入口，互不相通。

2 · 把桌面端切进 Codex 工作区

  1. 4

    把桌面端切到 Codex 工作区

    工作区选择器在 ChatGPT 桌面端窗口的左上角。点开它，选择 Codex——标注为 For developers 的那一项，排在 Work 下面，而应用默认就停在 Work。Work 或 Codex 里的语音是一项独立的桌面功能，所以先待对工作区是第一道真正的门槛；然后打开一个无关紧要的测试项目，看看语音控件是否出现。

    ChatGPT desktop app workspace menu open on macOS with Work ticked as For getting work done and the Codex entry labelled For developers listed underneath, the switch you make before any voice control appears for Codex
    工作区菜单：Codex（For developers）排在已勾选的 Work 下方。看 1:51 处的演示
  2. 5

    搞清楚：聊天里的语音不等于 Codex 语音

    侧边栏有一组停在 Work 上的 Work / Code 分段切换，下面依次是 New chat、Search chats、Plugins、Automations 和 Project。普通聊天里的语音和 Work、Codex 里的语音彼此独立：普通对话里能用麦克风，不代表这里也有。这就是为什么聊天里语音按钮好好的，Codex 工作区里却找不到。

    ChatGPT desktop sidebar with the Work and Code segmented toggle resting on Work above New chat, Search chats, Plugins, Automations and Project, which is why a working voice button in chat can still be absent in Codex
    侧边栏的 Work / Code 切换，停在 Work 上，下方是 New chat 和 Project。看 3:00 处的演示
  3. 6

    升级 ChatGPT 桌面端版本

    版本太旧，功能就是不出来。打开应用的信息卡片——录屏里显示的是 Message ChatGPT 输入框上方的 Version 1.2024.130——然后检查更新、装上最新版并重启。这个功能只为 Windows 或 macOS 官方桌面应用设计，网页版和非官方套壳都不行。

    ChatGPT desktop app info card reading Version 1.2024.130 above the Message ChatGPT composer with its microphone icon and voice input button, the build you need before Codex voice mode appears
    应用信息卡片显示 Version 1.2024.130，上方紧挨输入框的麦克风按钮。看 1:00 处的演示
  4. 7

    找到 Codex 应用里的麦克风按钮

    打开 Codex 桌面端。首页一行 What should we work on?，下面是空的 Do anything 输入框，再下面是项目选择器，输入框右缘就是麦克风按钮。这个麦克风就是语音输入的入口——后面的每一步都从它开始。

    Codex desktop app home screen asking What should we work on? with an empty Do anything composer, a project picker underneath and the microphone button at the right before any dictation starts
    Codex 首页：Do anything 输入框、项目选择器，右侧是麦克风。看 2:50 处的演示

3 · 口述、发送、实时对话

  1. 8

    对着实时波形口述需求

    点麦克风，输入框就变成录音机：你说话时实时波形跟着起伏，计时器往上走——这里是 0:03——方块按钮负责结束录音。把需求一口气说完；录音取代打字，整个活儿都可以不动键盘描述完。

    Codex desktop app composer recording voice with a live black waveform, a 0:03 elapsed timer and a stop square, showing dictation replacing typing a prompt
    录音进行中：实时波形、0:03 计时和输入框里的停止方块。看 2:55 处的演示
  2. 9

    按下 Transcribe and send

    停下之后，把鼠标悬到发送按钮上，会浮出 Transcribe and send 提示——这段录音计时 0:21。按下它，Codex 转写录音并把文本作为 prompt 提交，一步完成。不按就不会发出去，说磕绊了可以先重录。

    Codex desktop app dictation running to 0:21 with the tooltip Transcribe and send over the send button, the control that turns spoken instructions into a Codex prompt
    0:21 口述结束时，发送按钮上方的 Transcribe and send 提示。看 3:10 处的演示
  3. 10

    让口述需求当普通 prompt 跑

    转写文本作为一条普通 prompt 落进线程——这段口述要的是一个 neo-brutalist 风格的 Next.js SaaS 落地页，外加三个并行开发的 Agent，说的什么就是什么。Codex 把它当打字输入处理，Agent 们随即开工，各自在独立的上下文窗口里。语音输入改变的是输入方式，不是 Codex 能做的事。

    Codex desktop thread showing a dictated brief for a neo-brutalist Next.js SaaS landing page with three parallel developer agents, proof the transcribed speech was accepted as an ordinary prompt
    口述的 SaaS 落地页需求，作为普通 prompt 待在线程里。看 3:15 处的演示
  4. 11

    试试实时语音，不只口述

    口述不是唯一模式。另有一个实时语音会话会一边干活一边开口回答——Riley Brown 亲手实测里，它能看你的屏幕、边聊边查资料、在后台拉起任务，而且不经你明确同意不会发消息、不会花钱。全屏界面是一颗发光圆球，旁边是麦克风静音按钮和挂断按钮：中途静音，照样跟屋里的人说话，会话不会断。

    ChatGPT full-screen voice session with a blue glowing orb and a microphone mute button beside a hang-up button underneath it, the real-time mode that answers out loud instead of only transcribing
    全屏语音会话：发光圆球，下方是静音与挂断按钮。看 0:30 处的演示
  5. 12

    选定音色与口述语言

    在 ChatGPT 桌面端打开 Settings，停在 General 标签。Voice 那一行有 Play 按钮和音色选择器（这个构建里是 Spruce），决定之前可以先试听 Codex 的声音；上面的 Spoken language 默认是 Auto-detect，并注明列表里没有的语言也可能通过自动检测获得支持。如果口述转写总是识别成错词，就把 Spoken language 改成你真正说的语言。

    ChatGPT desktop app Settings General pane with the Voice row offering a Play control and the Spruce voice alongside a Spoken language set to Auto-detect, where you choose how Codex voice mode answers and which language it listens for
    Settings > General：Voice 行的 Play 与 Spruce，以及 Auto-detect 状态的 Spoken language。看 1:02 处的演示

4 · 修好麦克风权限，看最终结果

  1. 13

    在 macOS 上放行麦克风

    macOS 上依次打开系统设置、隐私与安全性、麦克风，把 ChatGPT 桌面应用打开——这一栏列出了所有申请过的应用，比如这里的 GarageBand、Slack 和 zoom。授权之后重启应用。只开真正需要的权限；来源视频特别提醒，别为了让语音按钮回来就把整个磁盘或敏感文件夹交出去。

    macOS System Settings Privacy and Security Microphone pane listing GarageBand switched off with Slack and zoom switched on, where the ChatGPT desktop app gets permission to hear you
    macOS 麦克风权限面板，ChatGPT 应用在这里获得收音许可。看 2:30 处的演示
  2. 14

    在 Windows 上放行麦克风

    Windows 上打开设置、隐私、麦克风：先打开「让应用使用我的麦克风」，再逐个核对下面的应用开关——这一栏里有 Microsoft Edge、OneNote、录音机和 Xbox。确认 ChatGPT 桌面应用自己的开关也开着。视工作流而定，可能还会要求屏幕和系统音频录制或辅助功能权限。

    Windows Settings Privacy Microphone page with Let apps use my microphone turned On and per-app switches for Microsoft Edge, OneNote, Voice Recorder and Xbox, the equivalent Codex voice mode fix on Windows
    Windows 麦克风设置：总开关加上按应用逐一放行。看 2:40 处的演示
  3. 15

    在内置浏览器里看结果

    回到 Codex，刚才动嘴皮的活儿有了看得见的着落：应用内置浏览器预览在 Agent 线程旁边跑着生成的 localhost 落地页。演示里的三个开发 Agent 各自在独立上下文里，从那段口述需求把页面建了出来。展开浏览器面板，标注功能让你点选任意元素排队反馈——这一步同样不用键盘。

    Codex desktop thread reporting the local server up at http://localhost:3000 next to a Web preview card and the build, lint and local-server smoke-test checklist that the dictated brief set running
    会话里报告本地服务已在 localhost:3000 启动，旁边是 Web preview 卡片。看 4:40 处的演示

Codex 语音模式常见问题

接着看

OpenCode 教程Kilo Code 教程Cursor Projects 教程DeepSeek Harness 搭建Gemini CLI 替代方案Roo Code 替代方案全部教程探索公开作品画廊