Claude Codeの音声入力は手が離れない
だから声で動く開発エージェントを作った

1. まず事実：Claude Code には公式の音声入力がある

2026年3月にリリースされた /voice。Pro・Max・Team・Enterprise は追加料金なしで、しかも文字起こしはトークンを消費せず /usage の上限にも入らない。

そして公式の呼び方が、この機能のすべてを説明している。

できること

動かない条件（先に知っておきたい）

• ローカルマイクが必須 — SSH、Claude Code on the web では動かない。VS Code の Remote / Dev Container / Codespaces も不可
• Claude.ai アカウントが必須 — APIキー直・Bedrock・Google Cloud・Microsoft Foundry では使えない
• HIPAA が有効な組織では無効になる
• 15秒の無音、または2分で自動停止
• 音声は文字起こしのため Anthropic のサーバへ送信される（ローカル処理ではない）

これは弱点ではなく、そういう設計。「入力を音声にする機能」としてはよくできている。

2. それでも足りなかった3つ

1. 手が離れない — スペースキーを押さえ続ける。手はキーボードの上にある
2. 目が離れない — 返事は画面のテキスト。読まないと何が起きたか分からない
3. 許可でキーボードに戻される — 「このコマンド実行していい？」にキーボードで答える。開発は許可の連続なので、ここで必ず引き戻される

つまり、入力が音声になっただけで、開発は画面の前に座ったまま。欲しかったのは「画面から目を離しても仕事が前に進む状態」だった。

3. 作ったものの仕組み

キモは雑談と作業を分けたこと。全部をコーディングエージェントに流すと、雑談でも数秒待たされる。だから会話係が前段にいる。

もうひとつ大事な点として、Anthropic の APIキーは要らない。ターミナルで claude が動く状態なら、その資格情報をそのまま使う。

作るときに効いた3つの判断

1. 人格とツール定義はサーバ側に置く — ブラウザから改変できない位置に置くため
2. 進捗は「自分の言葉に直して」喋らせる — そのまま読み上げると機械的な実況になって聞けたものじゃない
3. 喋っている最中はモデルを張り直さない — 言い終わる前に会話が消える

4. 実演：声だけでアプリを作らせる

この回で実際に話しかける内容。収録中はここをそのまま読む。

【実演① ToDoアプリ】
「ダウンロードフォルダに ToDoアプリを作って、開発して」
  → （無ければ）「作りますか？」と声で聞かれる
「はい」
  → フォルダが作られて、作業が始まる
「今どんな感じ？」
  → 進捗が声で返る
（ファイル作成の確認が来たら）「はい」
  → 進む

【実演② ゲーム】
「次は簡単なゲームを作りたい。ブラウザで動くやつ」
（編集の確認が続いたら）「編集は自動にして」
  → そのプロジェクトだけファイル編集の確認が消える
     ※コマンド実行の確認は残る
「確認ありに戻して」で元に戻せる

【安全設計の実演：わざと見送らせる】
・相槌だけ言う（「うんうん」）
・独り言レベルの短い発話
・こちらの読み上げをマイクに拾わせる
  → いずれも「見送りました」と画面に出る

【落ちたときの保険】
pnpm sim "ダウンロードにToDoアプリを作って"
  → 音声抜きで対話（Claude Code は実物）
  → 「声の層が落ちているだけで、下は動く」を見せて切り分ける

5. 安全設計 — 声で実行することの怖さ

声で開発をさせる以上、聞き間違いでコマンドが走るのがいちばん怖い。だから作業を始める前に「人が実際にそう言ったか」を機械的に確かめている。

作業を始めない条件

• 直前の発話が確認できない
• 短すぎる
• 相槌だけ
• こちらの読み上げをマイクが拾っただけ

該当したら作業を始めず、そう画面に出す。「頼んだのに動かない」ときは、この見送りの表示が出ていないかを見る。

絞ってあるもの

• 自動で許可するのは読み取り系だけ（Read / Glob / Grep / TodoWrite）。それ以外は1つずつ確認
• 削除・公開・課金が絡む操作は声から外す
• 声で開ける範囲を設定で決める（下表）
• 鍵らしい名前（.env* id_rsa* *.pem credentials*）は中身を読む前に索引から外す
• 自分の読み上げで自走しないよう、読み上げ中は開始閾値を上げる＋エコー除去の二段構え

今どの範囲かは、サーバの起動ログに毎回出る。

6. 実際にかかったお金

雑談や進捗確認だけなら会話係のぶんしかかからない。実作業を頼んだときに Claude Code の料金が乗る。

なお、単価を確かめていないモデルは費用を「—」と出すようにしてある。0として黙って足し込むと、画面の数字が嘘になるため。

※ すべて作者環境での実測値。請求額を保証するものではありません。

7. つまずいた場所

macOS の権限3種

アクセシビリティ／オートメーション／画面収録。許可は「起動したアプリごと」に付くので、ターミナルから起動する場合と常駐させる場合で別に必要。「さっき許可したのに」はだいたいこれ。

ターミナルが Microphone 設定の一覧に出てこないときの復旧：

# 対象を必ず指定する（Terminal.app の場合）
tccutil reset Microphone com.apple.Terminal
# iTerm2 なら com.googlecode.iterm2
# 他のターミナルは osascript -e 'id of app "AppName"' で調べる

# → そのあと Cmd+Q で完全終了（ウィンドウを閉じるだけではダメ）
# → 再起動して /voice を実行すると、許可ダイアログが出る

pnpm doctor と打っても何も出ない

pnpm 内蔵のコマンドに取られる。pnpm run doctor が正解。

8. 結局どちらを使えばいいのか