Parla con il tuo
agente di programmazione

Un server MCP locale che permette al tuo agente di programmazione di parlarti. Sonic 3.6 legge ad alta voce il messaggio dell'agente. Poi Ink 2 ascolta, decide quando hai finito e restituisce le tue parole all'agente.

Vedi su GitHub

Claude Codecartesia-voice

Fatto

let's talk

converse

I test passano. Apro la pull request?

Sì, aprila come bozza.

Apro una pull request in bozza.

Rispondi ad alta voce. Ink 2 chiude il tuo turno quando smetti di parlare.

Esempio di esecuzione. Un esempio simulato dell'app in funzione, non una registrazione.

Modelli: sonic-3.6, ink-2
Lingue: Inglese, spagnolo, francese, hindi, giapponese
Licenza: Apache-2.0
Stack: PythonFastMCPsounddeviceuv
Prodotti Cartesia: Sonic 3.6Ink 2

Cosa fa

Funziona con Claude Code, Cursor e Codex. Non c'è un tasto da tenere premuto per parlare né un timeout di silenzio da regolare, perché è Ink 2 a decidere quando hai finito. Funziona come mbailey/voicemode, un server vocale open source per agenti di programmazione, quindi un agente che conosce l'uno può usare l'altro.

Eseguilo tu

1
Scarica il server
Esegui i comandi qui sotto. Ti servono uv, un microfono e le cuffie. Su Linux, installa prima 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
Variabili d'ambiente
CARTESIA_API_KEY
play.cartesia.ai/keys
CARTESIA_VOICE_ID
Opzionale. Una voce da play.cartesia.ai/voices. Di default Daniel (en-US)
CARTESIA_TURN_END_TIMEOUT_MS
Opzionale. Da 640 a 11200, quanto può durare una pausa prima che Ink 2 chiuda il tuo turno
CARTESIA_KEYTERMS
Opzionale. Nomi separati da virgole verso cui orientare la trascrizione
Installalo nel tuo agente
setup.sh esegue uv sync e cartesia-voice-mode install per claude, cursor, codex o all. Aggiungi --dry-run per vedere cosa cambierebbe.
Inizia a parlare
Riavvia l'agente e di', o scrivi, "let's talk" oppure "voice mode". Se non succede nulla, uv run cartesia-voice-mode doctor controlla la chiave.

Crealo con il tuo agente di programmazione

Un prompt che dice al tuo agente di programmazione da dove partire e cosa leggere per primo.

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.

Come funziona

converseL'agente chiama il tool con un messaggio

Sonic 3.6Trasmette il messaggio su /tts/sse e lo riproduce

MicrofonoSi apre solo quando finisce la riproduzione

Ink 2Rilevamento dei turni su /stt/turns/websocket

Risultato del toolLa trascrizione di turn.end, letta come il tuo messaggio successivo

Perché funziona così

Il rilevamento dei turni chiude il tuo turno

Il server aspetta l'evento turn.end di Ink 2, che significa che Ink 2 pensa che tu abbia finito. Una pausa a metà frase non ti interrompe come farebbe un timeout di silenzio fisso.

Le attese lunghe richiedono un timeout più lungo in Codex

Codex ferma una chiamata a un tool dopo 60 secondi per impostazione predefinita. Un turno vocale riproduce il messaggio e poi ascolta fino a 120 secondi, quindi lo script di installazione alza il tool_timeout_sec di Codex a 180. Modifica la tua configurazione di Codex sul posto e conserva i tuoi commenti. Se lo lasci ascoltare più a lungo, alza anche quel timeout.

Personalizzalo

Cambia la voce

Imposta CARTESIA_VOICE_ID, oppure chiedi all'agente di chiamare il tool list_voices e sceglierne una.

Parla un'altra lingua

Ink 2 riconosce da solo inglese, spagnolo, francese, hindi e giapponese. Imposta CARTESIA_LANGUAGE e un CARTESIA_VOICE_ID corrispondente perché Sonic risponda nella stessa lingua.

Insegnagli le tue parole

Metti i nomi dei repository e delle librerie in CARTESIA_KEYTERMS perché Ink 2 li scriva come nel tuo codice.

Unisciti ai team che passano a Cartesia

Al primo posto

nelle classifiche Speech Arena e Speech to Text di Artificial Analysis

Domande

Con quali agenti di programmazione funziona?

Claude Code, Cursor e Codex. Lo script di installazione lo installa per uno di loro o per tutti e tre.

La mia chiave API di Cartesia è al sicuro?

Sì. L'installer scrive nella configurazione del tuo agente solo il comando che avvia il server. La chiave resta nella tua shell, o in un file che puoi leggere solo tu se passi --save-key, e non compare mai nei messaggi di errore o nei log.

Posso interrompere l'agente mentre parla?

No. Il microfono si apre solo dopo che l'agente ha finito di parlare, quindi non sente mai sé stesso, e non c'è cancellazione dell'eco. Usa le cuffie.

Quanto è veloce?

Dipende dalla tua rete e dalla tua regione. A ogni chiamata il server stampa quanto ha impiegato Sonic a iniziare a parlare, così puoi controllare. Per cambiare quanto deve durare una pausa prima che il tuo turno finisca, imposta CARTESIA_TURN_END_TIMEOUT_MS.

In cosa è diverso da mbailey/voicemode?

Quel progetto può anche usare modelli locali e altri provider vocali. Questo server usa solo Cartesia.

Esiste una guida passo passo per questo template?

Sì. La ricetta spiega il codice, il README copre configurazione, variabili d'ambiente e distribuzione, e la documentazione sul rilevamento dei turni di Ink 2 spiega la parte Cartesia.