作者 mbailey · mbailey/voicemode
用语音和 Claude Code 对话、听它回应——解放双手，适合结对编程、无障碍需求和心流工作状态。
VoiceMode 通过 MCP 为 Claude Code 添加自然的双向语音能力。使用 Whisper 做语音识别（本地或 API），支持配置多种 TTS 引擎（OpenAI、ElevenLabs 或本地）。在 MCP 服务器旁运行一条小型音频管线。适合短 prompt 和朗读审查，不适合 5 分钟的长篇独白。
%APPDATA%\Claude\claude_desktop_config.json{
"mcpServers": {
"voicemode-mcp": {
"command": "uvx",
"args": [
"voice-mode"
]
}
}
}打开 Claude Desktop → Settings → Developer → Edit Config。保存后重启应用。
{
"mcpServers": {
"voicemode-mcp": {
"command": "uvx",
"args": [
"voice-mode"
]
}
}
}Cursor 使用与 Claude Desktop 相同的 mcpServers 格式。项目级配置优先于全局。
{
"mcpServers": {
"voicemode-mcp": {
"command": "uvx",
"args": [
"voice-mode"
]
}
}
}点击 Cline 侧栏中的 MCP Servers 图标，然后选 "Edit Configuration"。
{
"mcpServers": {
"voicemode-mcp": {
"command": "uvx",
"args": [
"voice-mode"
]
}
}
}格式与 Claude Desktop 相同。重启 Windsurf 生效。
{
"mcpServers": [
{
"name": "voicemode-mcp",
"command": "uvx",
"args": [
"voice-mode"
]
}
]
}Continue 使用服务器对象数组，而非映射。
{
"context_servers": {
"voicemode-mcp": {
"command": {
"path": "uvx",
"args": [
"voice-mode"
]
}
}
}
}加入 context_servers。Zed 保存后热重载。
claude mcp add voicemode-mcp -- uvx voice-mode一行命令搞定。用 claude mcp list 验证，claude mcp remove 卸载。
何时使用： 你在看设计文档，想口述修改内容，不想来回切换窗口。
say "hello" 或等效命令测试voice-mode install-whisper 下载本地模型结果： 整个会话中双手从未离开正在做的事。
何时使用： 你暂时无法打字，但需要继续出活。
结果： 全程不需要键盘输入的完整编码会话。
| 工具 | 输入参数 | 何时调用 | 成本 |
|---|---|---|---|
| start_listening | mode: "ptt"|"vad" | 开始语音会话 | free or OpenAI Whisper API |
| speak | text: str, voice?: str | Claude 需要语音输出任何内容时 | TTS provider-dependent |
| transcribe_last | none | 获取用户刚才说的内容 | Whisper call |
| stop_listening | none | 结束语音会话 | free |
microphone speakersMic not detected系统音频权限——给终端/Claude Code 授予麦克风访问权限
`voice-mode test-mic` prints levelsTTS sounds robotic默认使用本地 Coqui——通过 VOICE_MODE_TTS=openai 切换到 OpenAI tts-1-hd
Lag between my speech and responseSTT 改用本地 Whisper-tiny；云端方案会增加 500ms 以上的延迟
| 替代方案 | 何时用它替代 | 权衡 |
|---|---|---|
| macOS Dictation + say command | 你只需要基本的系统级语音功能 | 与 Claude 输出没有集成——只能单向输入 |
| Superwhisper / Wispr Flow | 你想要一个精良的原生 macOS 语音听写应用 | 不集成 MCP；不支持 agent 级工作流 |