Parlez à votre
agent de code

Un serveur MCP local qui permet à votre agent de code de vous parler. Sonic 3.6 lit à voix haute le message de l'agent. Ink 2 écoute ensuite, décide quand vous avez fini et renvoie vos mots à l'agent.

Voir sur GitHub

Claude Codecartesia-voice

Terminé

let's talk

converse

Les tests passent. J'ouvre la pull request ?

Oui, ouvre-la en brouillon.

J'ouvre une pull request en brouillon.

Répondez à voix haute. Ink 2 termine votre tour quand vous vous arrêtez.

Exemple d'exécution. Un exemple scénarisé de l'app en action, pas un enregistrement.

Modèles: sonic-3.6, ink-2
Langues: Anglais, espagnol, français, hindi, japonais
Licence: Apache-2.0
Stack technique: PythonFastMCPsounddeviceuv
Produits Cartesia: Sonic 3.6Ink 2

Ce qu'il fait

Il fonctionne avec Claude Code, Cursor et Codex. Il n'y a pas de touche à maintenir pour parler ni de délai de silence à régler, car c'est Ink 2 qui décide quand vous avez fini. Il fonctionne comme mbailey/voicemode, un serveur vocal open source pour agents de code, donc un agent qui connaît l'un peut utiliser l'autre.

Lancez-le vous-même

1
Récupérez le serveur
Lancez les commandes ci-dessous. Il vous faut uv, un micro et un casque. Sous Linux, installez d'abord libportaudio2.
npx degit cartesia-ai/cookbook/examples/coding-voice-mode coding-voice-mode cd coding-voice-mode export CARTESIA_API_KEY=your-key # or cursor, codex, all ./setup.sh claude --save-key
Variables d'environnement
CARTESIA_API_KEY
play.cartesia.ai/keys
CARTESIA_VOICE_ID
Facultatif. Une voix de play.cartesia.ai/voices. Daniel (en-US) par défaut
CARTESIA_TURN_END_TIMEOUT_MS
Facultatif. De 640 à 11200, la durée maximale d'une pause avant qu'Ink 2 termine votre tour
CARTESIA_KEYTERMS
Facultatif. Des noms séparés par des virgules, que la transcription doit privilégier
Installez-le dans votre agent
setup.sh lance uv sync et cartesia-voice-mode install pour claude, cursor, codex ou all. Ajoutez --dry-run pour voir ce qui changerait.
Commencez à parler
Redémarrez l'agent et dites, ou tapez, « let's talk » ou « voice mode ». Si rien ne se passe, uv run cartesia-voice-mode doctor vérifie la clé.

Créez-le avec votre agent de code

Un prompt qui indique à votre agent de code par où commencer et quoi lire en premier.

Prompt

Claude Code Cursor Codex

Set up voice mode for my coding agent with Cartesia. Start from https://github.com/cartesia-ai/cookbook/tree/main/examples/coding-voice-mode and follow its AGENTS.md for the commands, files and rules. It is a local stdio MCP server with a converse tool: Sonic 3.6 (sonic-3.6) speaks the message over /tts/sse, then Ink 2 (ink-2) on /stt/turns/websocket listens until turn.end and returns the transcript as the tool result. Install it with ./setup.sh for my client, and keep the API key out of the client config. If I don't have a Cartesia API key yet, follow https://www.cartesia.ai/agent-quickstart.md to get one.

Comment ça marche

converseL'agent appelle l'outil avec un message

Sonic 3.6Reçoit le message en streaming via /tts/sse et le lit

MicroS'ouvre seulement à la fin de la lecture

Ink 2Détection de tour sur /stt/turns/websocket

Résultat de l'outilLa transcription de turn.end, lue comme votre message suivant

Pourquoi ça fonctionne ainsi

La détection de tour termine votre tour

Le serveur attend l'événement turn.end d'Ink 2, qui signifie qu'Ink 2 pense que vous avez fini. Une pause au milieu d'une phrase ne vous coupe pas comme le ferait un délai de silence fixe.

Les longues attentes demandent un délai plus long dans Codex

Codex arrête un appel d'outil après 60 secondes par défaut. Un tour vocal lit le message puis écoute jusqu'à 120 secondes, donc le script d'installation passe le tool_timeout_sec de Codex à 180. Il modifie votre configuration Codex sur place et garde vos commentaires. Si vous le laissez écouter plus longtemps, augmentez aussi ce délai.

Personnalisez-le

Changez la voix

Définissez CARTESIA_VOICE_ID, ou demandez à l'agent d'appeler l'outil list_voices et d'en choisir une.

Parlez une autre langue

Ink 2 détecte seul l'anglais, l'espagnol, le français, le hindi et le japonais. Définissez CARTESIA_LANGUAGE et un CARTESIA_VOICE_ID correspondant pour que Sonic réponde dans la même langue.

Apprenez-lui vos mots

Mettez les noms de dépôts et de bibliothèques dans CARTESIA_KEYTERMS pour qu'Ink 2 les écrive comme dans votre code.

Rejoignez les équipes qui passent à Cartesia

Classé numéro 1

dans les classements Speech Arena et Speech to Text d'Artificial Analysis

Questions

Avec quels agents de code fonctionne-t-il ?

Claude Code, Cursor et Codex. Le script d'installation l'installe pour l'un d'eux ou pour les trois.

Ma clé API Cartesia est-elle en sécurité ?

Oui. L'installateur n'écrit dans la configuration de votre agent que la commande qui lance le serveur. La clé reste dans votre shell, ou dans un fichier que vous seul pouvez lire si vous passez --save-key, et elle n'apparaît jamais dans les messages d'erreur ni dans les logs.

Puis-je interrompre l'agent pendant qu'il parle ?

Non. Le micro ne s'ouvre qu'une fois que l'agent a fini de parler, donc il ne s'entend jamais lui-même, et il n'y a pas d'annulation d'écho. Utilisez un casque.

Quelle est sa rapidité ?

Cela dépend de votre réseau et de votre région. Le serveur affiche à chaque appel le temps qu'a mis Sonic à commencer à parler, vous pouvez donc vérifier. Pour changer la durée de pause qui termine votre tour, définissez CARTESIA_TURN_END_TIMEOUT_MS.

En quoi est-ce différent de mbailey/voicemode ?

Ce projet peut aussi utiliser des modèles locaux et d'autres fournisseurs vocaux. Ce serveur n'utilise que Cartesia.

Existe-t-il un guide pas à pas pour ce modèle ?

Oui. La recette parcourt le code, le README couvre l'installation, les variables d'environnement et le déploiement, et la documentation de la détection de tour d'Ink 2 explique le côté Cartesia.