Claude Code・ChatGPT・Cursor の音声入力｜声でコーディングするコツ

Claude Code で作業を始めて40分。エージェントが、手を入れるべきではないレイヤーをリファクタリングしてしまいました。理由はわかっています。課金モジュールは冗長に見えますが、昔のベンダーの仕様上の癖に対応するために残してあり、修正すべきは1つ上の層です。それを説明するには、1段落ぶんの文章が要ります。作業の流れの中で1段落を打ち込むのは面倒なので、11語ほどの短い指示で済ませてしまい、次の試みもまた外れる。こうしたもどかしさが、コーディングでの音声入力が音声入力の使い道の中でも特に話題になっている理由であり、10年前の「音声コーディング」とはまったく違う姿になった理由でもあります。

音声入力で実際に成果を上げている開発者は、括弧やセミコロンを読み上げているわけではありません。話しているのは意図です。プロンプト、仕様、コミットメッセージ、レビューコメントがなぜ重要なのかという理由。構文を書くのは、いまやエージェントの仕事です。説明するのは今も人間の役目で、たいていの人は、指で打つより声に出したほうが速く説明できます。たとえば Claude Code では、/voice コマンドで音声入力を有効にし、Space キーを押している間に話すと、その内容がプロンプトに入力されます。

AI エージェント以前の「音声コーディング」は別物だった

声でコードを書くことは、長い間、便利な手段というより修練の要る技術でした。Talon は、VS Code 用の拡張機能 Cursorless と組み合わせて使われることが多く、短い音声コマンドの語彙で、手を使わずにコードを書いたり編集したりできます。こうした仕組みの多くは、反復性ストレス障害（RSI）を抱える開発者が、同じ悩みを持つ開発者のために作ってきたものです。手が使えない状態なら、数週間の練習は必要ですが、今でも本命の選択肢です。

変わったのは、仕事の単位です。関数をエージェントが書くなら、人間が作るのは関数の説明です。何をすべきか、何を壊してはいけないか、完成したとどう判断するか。これは文章です。そして文章こそ、ごく普通の音声入力が昔から得意としてきたものです。

Hacker News でこの話題を扱ったスレッド（「Ask HN: Anyone using dictation with coding agents?」のようなタイトルのもの）を読むと、ある話題が出てこないことに気づきます。話されているのは、押している間だけ録音するプッシュ・トゥ・トークのキー、カスタム辞書、そして CLI のエージェントにどのシステム全体で使えるツールをつなぐか、です。括弧をどう発音すればいいかを尋ねる人は、ほとんどいません。

開発者が音声入力しているもの、今もキーボードで打っているもの

1日の作業を「その言葉は誰が読むのか」で分けると、境界がはっきりします。人に向けた文章や、普通の言葉でモデルに伝える指示は、音声入力に向いています。コンパイラやシェルが1文字ずつ解析するものは、たいてい向いていません。

最後の行について補足します。シェルコマンドをそのまま音声入力するのではなく、やりたいことをエージェントに説明し、提案されたコマンドを読んでから承認しましょう。そうすれば、聞き間違いがシェルに届くことはありません。

うまくいく音声プロンプトの組み立て方

音声のプロンプトが失敗するパターンは決まっています。話が脱線するのです。目的から話し始め、途中で制約を思い出して話を戻し、最後はテストスイートの余談で終わる。モデルはたいてい内容を解きほぐしてくれますが、頭に入れておけるゆるい型があれば、1回目の指示で通りやすくなります。

音声プロンプトの4つの要素

背景：いまどういう状況で、何がすでにあるか。目的：してほしい変更を一文で。制約：変えてはいけないもの、従うべきパターン、避けたいこと。完了条件：うまくいったことを確かめるテスト、動作、出力。

この順番で話せば、言い忘れを後から付け足す必要はほとんどなくなります。

1回で通るプロンプトと、3回の手直しが必要なプロンプトの差は、いくつかの習慣で決まります。

• 送信前に読む。 Claude Code の /voice は、初期設定では Enter を押すまで送信されません。この設定はそのままにしておきましょう。2秒ほど目を通すだけで、聞き間違えたファイル名をエージェントが探しに行く前に気づけます。また、押している間だけ録音するモードには短い立ち上がり時間があります。話し始めの言葉が抜ける場合は、修飾キーとの組み合わせに割り当て直すようドキュメントが勧めています。そうすれば、キーを押した瞬間から録音されます。
• 組み込みの制限を知っておく。 Claude Code のドキュメントによると、タップして録音するモードは、15秒間無音が続くか、合計2分で止まります。長い仕様は、いったん作業用のファイルやメモに音声入力してから貼り付けましょう。
• 名前はつづりどおりに伝える。 エンジンが正確なパスを出力してくれると期待するより、「auth フォルダの user service のファイル」のように言いましょう。パスが重要な場面では、実際のパスをエージェントに渡します。
• 新しいチームメンバーに話すように話す。 「ここは冗長に見えるけど、実は必要。理由は……」という説明こそ、タイプしたプロンプトでは省かれがちな背景情報です。

ただし、昨日の設計レビューで決まったことを音声入力しようとしているなら、それは別の作業です。会議の内容を Claude や ChatGPT に渡すのは MCP サーバーの役割で、会話アプリと MCP の連携の記事で紹介しています。

Claude Code・Cursor・ChatGPT・VS Code の音声入力：標準機能で足りることも多い

まずは、使っているツールに最初から入っている機能を確認しましょう。主要なエージェントは音声入力に対応してきており、多くの開発者にはそれで十分です。

• Claude Code：/voice コマンドがあります。Space キーを押している間に話すか、タップモードに切り替えて使います。コーディングの語彙に合わせて調整されていて、プロジェクト名や git のブランチ名を認識のヒントに使い、音声は Anthropic にストリーミングされて文字起こしされます。Claude.ai へのログインが必要なため、API キーや Bedrock 経由で認証している場合は使えず、SSH セッションでも動きません。
• Cursor：2025年10月のバージョン2.0で Voice Mode が追加されました。Agent を操作するための音声認識が組み込まれていて、送信用のカスタムキーワードを決めておけば、そのフレーズを言うだけで実行を始められます。
• ChatGPT：メッセージ入力欄に音声入力のボタンがあります。文字起こしされた内容は編集できるテキストとして入るので、送信前に修正できます。
• VS Code Speech：Microsoft の無料の拡張機能です。Copilot との音声チャットと、エディターへの音声入力を追加でき、音声はローカルで処理されます。

1日の作業がほぼこれらのウィンドウの中で完結するなら、まずはそこから始めましょう。不便が出てくるのは、その外に出たときです。PR の説明はブラウザのタブ、レビューコメントは GitHub、朝会（スタンドアップ）の報告は Slack で書きます。組み込みのマイクはそれぞれのツールの中でしか動かないので、いくつものプッシュ・トゥ・トークの操作を使い分けるか、プロンプト以外はすべてタイプに戻るかのどちらかになります。そこで役立つのが、システム全体で使える音声入力ツールです。ひとつのホットキーで、ターミナルも含め、カーソルのある場所ならどこにでも入力できます。

専門用語や変数名、ターミナルでの音声入力の注意点

開発者のスレッドで最も多い不満は、速さではなく語彙です。汎用の音声認識エンジンは一般的な話し言葉で学習しているため、kubectl や useEffect、社内のサービス名、同僚の名字は、思いもよらないつづりで返ってきます。ツールの対策は3通りあります。

1つ目はカスタム辞書です。用語を一度登録すれば、エンジンは当て推量をやめます。Laxis では「カスタム辞書」（英語版では Personal Dictionary）がこれにあたります。精度を判断する前に、使っている技術スタック、サービス名、チームメンバーの名前を登録しておきましょう。2つ目は、画面上の情報を読み取る方法です。Wispr Flow は、VS Code、Cursor、Windsurf に表示されている関数名、クラス名、変数名を認識でき、Cursor と Windsurf のチャットパネルでは声でファイルをタグ付けできます。プロンプトに camelCase の名前が多いなら、これは確かな強みです。3つ目は、技術用語で学習した音声モデルです。Aqua Voice が自社の Avalon モデルの売りにしているのが、まさにこの点です。

もうひとつの落とし穴がターミナルです。多くの音声入力アプリは、テキストを貼り付けて入力します。ところがターミナルは、通常のテキストボックスより貼り付けの扱いが厳しいのです。Wispr Flow のヘルプページにも、Mac で Claude Code や Codex に入力するときは、長い音声入力を分割する方法が書かれています。どのツールを使う場合も、普段使っているターミナルに150語ほどの長めのプロンプトを音声入力して、すべての言葉が届くか、途中で送信されないかを確かめてください。

句読点や書式を声で入力する方法は、音声入力コマンドのガイドに一覧があります。認識の精度そのものが問題なら、音声入力の精度が悪い原因と対処法で、よくある原因と解決策を解説しています。

フィラーはモデルには無害でも、レビュアーには負担になる

言語モデルは「えーと、それで、待って、やっぱり」のような言葉もそのまま読み流します。けれども、PR の説明を読む同僚にとっては読みにくいだけです。フィラーを取り除き、繰り返しをまとめる整形機能は、プロンプトよりも人が読む文章でこそ効いてきます。ツールを評価するときは、プロンプトではなく、コミットメッセージやレビューコメントで試しましょう。

社外秘のコードを扱うとき、音声はどこに送られるか

ここまでに挙げた選択肢は、ローカルで動くものを除き、すべて音声をサーバーに送ります。Claude Code の /voice は Anthropic へ、ChatGPT の音声入力は OpenAI へ送られます。Laxis も音声入力をクラウドで処理しています。プライバシーポリシーのページで初めて知ることにならないよう、ここではっきりお伝えしておきます。

ほとんどのプロンプトでは、新たに増えるリスクは大きくありません。プロンプトの文章は、どのみちモデルのベンダーに送られるからです。変わるのは、経由する会社の数です。別のアプリで音声入力すると、言葉はエージェントのベンダーに届く前に、音声入力のベンダーを通ります。社外秘のコード、顧客名、NDA の対象になる情報を扱うなら、この経由先が増えることについて、社内のセキュリティ担当者の了承を得てください。

音声を一切マシンの外に出せない場合も、現実的な選択肢があります。VS Code Speech はローカルで動作し、Superwhisper は自分のパソコン上でモデルを動かせます。それぞれのトレードオフと、どのベンダーにも確認すべき質問は、オンデバイスとクラウドの文字起こしの比較にまとめています。

セキュリティ担当者に確認したい3つの質問

社内のポリシーでは、話した音声もソースコードや顧客データとして扱われますか？ コーディングエージェントだけでなく、音声入力ツールも承認済みベンダーのリストに入っていますか？ ローカル処理のツールが必要なリポジトリと、そうでないリポジトリがありますか？

コーディング用の音声入力ツールの選び方：6つのチェックポイント

おすすめのランキングは、音声入力ソフトの比較で紹介しています。コーディング用に選ぶなら、確認すべき点はもっと絞られます。

1. どこでも同じホットキーで使えるか？ ターミナル、IDE、ブラウザ、チャットのすべてで使えないと、4種類の操作を使い分けることになります。
2. 自分の語彙を覚えさせられるか？ そして、その単語リストを別のマシンでも使えるか。
3. 押し続ける方式か、トグル方式か？ キーを押し続ける方式は短いプロンプト向きです。長い仕様を話すときや、キーを押さえ続けるのがつらい手には、トグル方式のほうが楽です。
4. どこまで書き換えるか？ 必要なのはフィラーの除去と句読点の追加で、技術的な意味まで言い換えられては困ります。
5. 音声はどこで処理されるか？ それは扱うコードにとって許容できるか。
6. 何に上限があるか？ 週あたりの語数か、月あたりの分数か、無制限か。その枠がほかの機能と共有されていないか。

最後の点について、Laxis の場合をお伝えします。無料プランでは月300分をひとつの枠で使い、会議と音声入力が同じ分数から差し引かれます。プロンプトは短いものの、会議の録音にも使うなら、この共有の影響を感じるはずです。Premium では枠が月2,000分に増え、新規アカウントはすべて、クレジットカードの登録なしで Premium を14日間無料で試せます。Laxis の AI 音声キーボードは Mac、Windows、iPhone、Android で動作し、VS Code やターミナルを含むあらゆるアプリに入力できます。

まとめ

声でのコーディングに対する反論は、長年「コードは言葉ではない」というものでした。コードについては今もそのとおりです。しかし、仕事の中身はもう違います。プログラミングの中で増え続けているのは、作る力を持つ相手に、何がほしいのかを説明する部分です。そして説明は、誰かがキーボードを打つようになるずっと前から、人が声でしてきたことです。エージェントをいちばん使いこなす開発者は、チームでいちばんタイピングが速い人ではなく、エージェントに話しかけるのがいちばんうまい人なのかもしれません。

よくある質問

声（音声入力）でコーディングはできますか？

はい、2通りの方法でできます。現在の主流は、Claude Code や Cursor などの AI エージェントに、普通の言葉でプロンプト、仕様、コミットメッセージを音声入力し、構文はエージェントに書かせる方法です。コードそのものを声で書いて編集する完全なハンズフリーのコーディングも、Talon や Cursorless といったツールで可能ですが、数週間の練習が必要です。

Claude Code で音声入力はできますか？

はい。Claude Code には /voice コマンドがあり、Space キーを押している間に話すか、タップモードに切り替えて録音すると、話した内容がプロンプトに文字起こしされます。コーディング用語に合わせて調整されていて、プロジェクト名やブランチ名を認識のヒントに使います。Claude.ai へのログインが必要で、音声は Anthropic にストリーミングされます。SSH 経由や API キーでの認証では使えません。

Cursor で音声入力を使うには？

Cursor には、2025年10月にリリースされたバージョン2.0から Voice Mode が組み込まれています。Agent にプロンプトを話しかけたり、送信用のカスタムキーワードを設定したりできます。Agent の入力欄向けの機能なので、コミットメッセージや PR の説明、ターミナルには、カーソルのある場所に入力できるシステム全体の音声入力アプリを組み合わせるのが一般的です。

社外秘のコードについてのプロンプトを音声入力しても安全ですか？

音声がどこに送られるかと、勤務先が何を認めているかによります。Claude Code の /voice、ChatGPT の音声入力、Laxis を含むほとんどの音声入力はクラウドで処理されるため、経由するベンダーが1社増えます。音声をマシンの外に出せないなら、VS Code Speech や、Superwhisper のようにローカルのモデルで動くツールが選択肢です。まずは社内のセキュリティポリシーを確認してください。

専門用語や変数名を音声入力で正しく入力するには？

精度を判断する前に、カスタム辞書に登録しましょう。カスタム辞書（Personal Dictionary）を備えた Laxis をはじめ、ほとんどの音声入力ツールでは、ライブラリ名、社内のサービス名、チームメンバーの名前を登録でき、エンジンが当て推量をしなくなります。エディターに表示されている名前を読み取るツールもあります。大文字・小文字の使い方が特殊な識別子は、タイプするか、エージェントに補完させたほうが早いことがよくあります。

音声入力ソフトでターミナルに入力できますか？

はい。システム全体で使える音声入力アプリの多くは、エディターやブラウザだけでなくターミナルにも入力できます。ただし、ターミナルは貼り付けられたテキストを通常のテキストボックスとは違う方法で扱います。普段使っているターミナルで長いプロンプトを試し、すべての言葉が届くか確認してください。シェルコマンドをそのまま音声入力するのは避け、やりたいことをエージェントに説明して、提案されたコマンドを確認しましょう。