Converse com seu
agente de programação

Um servidor MCP local que deixa seu agente de programação falar com você. O Sonic 3.6 lê a mensagem do agente em voz alta. Depois o Ink 2 escuta, decide quando você terminou e devolve suas palavras ao agente.

Ver no GitHub

Claude Codecartesia-voice

Concluído

let's talk

converse

Os testes passaram. Abro o pull request?

Sim, abra como rascunho.

Abrindo um pull request em rascunho.

Responda em voz alta. O Ink 2 encerra seu turno quando você para.

Execução de exemplo. Um exemplo roteirizado do app em funcionamento, não uma gravação.

Modelos: sonic-3.6, ink-2
Idiomas: Inglês, espanhol, francês, hindi, japonês
Licença: Apache-2.0
Stack: PythonFastMCPsounddeviceuv
Produtos da Cartesia: Sonic 3.6Ink 2

O que ele faz

Funciona com Claude Code, Cursor e Codex. Não há tecla para falar nem tempo de silêncio para ajustar, porque o Ink 2 decide quando você terminou. Ele funciona do mesmo jeito que o mbailey/voicemode, um servidor de voz de código aberto para agentes de programação, então um agente que conhece um pode usar o outro.

Rode você mesmo

1
Baixe o servidor
Rode os comandos abaixo. Você precisa do uv, de um microfone e de fones de ouvido. No Linux, instale antes o 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
Variáveis de ambiente
CARTESIA_API_KEY
play.cartesia.ai/keys
CARTESIA_VOICE_ID
Opcional. Uma voz de play.cartesia.ai/voices. O padrão é Daniel (en-US)
CARTESIA_TURN_END_TIMEOUT_MS
Opcional. De 640 a 11200, quanto tempo uma pausa pode durar antes de o Ink 2 encerrar seu turno
CARTESIA_KEYTERMS
Opcional. Nomes separados por vírgula para orientar a transcrição
Instale no seu agente
setup.sh roda uv sync e cartesia-voice-mode install para claude, cursor, codex ou all. Adicione --dry-run para ver o que mudaria.
Comece a falar
Reinicie o agente e diga, ou digite, "let's talk" ou "voice mode". Se nada acontecer, uv run cartesia-voice-mode doctor verifica a chave.

Crie com seu agente de programação

Um prompt que diz ao seu agente de programação por onde começar e o que ler primeiro.

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.

Como funciona

converseO agente chama a ferramenta com uma mensagem

Sonic 3.6Transmite a mensagem por /tts/sse e a reproduz

MicrofoneSó abre depois que a reprodução termina

Ink 2Detecção de turnos em /stt/turns/websocket

Resultado da ferramentaA transcrição de turn.end, lida como sua próxima mensagem

Por que funciona assim

A detecção de turnos encerra seu turno

O servidor espera o evento turn.end do Ink 2, que significa que o Ink 2 acha que você terminou. Uma pausa no meio da frase não corta você como faria um tempo de silêncio fixo.

Esperas longas precisam de um timeout maior no Codex

O Codex interrompe uma chamada de ferramenta depois de 60 segundos por padrão. Um turno de voz toca a mensagem e depois escuta por até 120 segundos, então o script de instalação aumenta o tool_timeout_sec do Codex para 180. Ele edita sua configuração do Codex no lugar e mantém seus comentários. Se você deixar que ele escute por mais tempo, aumente esse limite também.

Deixe com a sua cara

Mude a voz

Defina CARTESIA_VOICE_ID ou peça ao agente para chamar a ferramenta list_voices e escolher uma.

Fale em outro idioma

O Ink 2 detecta sozinho inglês, espanhol, francês, hindi e japonês. Defina CARTESIA_LANGUAGE e um CARTESIA_VOICE_ID correspondente para que o Sonic responda no mesmo idioma.

Ensine suas palavras

Coloque nomes de repositórios e bibliotecas em CARTESIA_KEYTERMS para que o Ink 2 os escreva do jeito que o seu código escreve.

Junte-se às equipes que estão migrando para a Cartesia

Em 1º lugar

nos rankings Speech Arena e Speech to Text da Artificial Analysis

Perguntas

Com quais agentes de programação funciona?

Claude Code, Cursor e Codex. O script de instalação instala para um deles ou para os três.

Minha chave de API da Cartesia fica segura?

Sim. O instalador escreve na configuração do seu agente só o comando que inicia o servidor. A chave fica no seu shell, ou em um arquivo que só você pode ler se você passar --save-key, e nunca aparece em mensagens de erro nem em logs.

Posso interromper o agente enquanto ele fala?

Não. O microfone só abre depois que o agente termina de falar, então ele nunca ouve a si mesmo, e não há cancelamento de eco. Use fones de ouvido.

Qual é a velocidade?

Depende da sua rede e da sua região. O servidor mostra em cada chamada quanto tempo o Sonic levou para começar a falar, então você pode conferir. Para mudar quanto tempo uma pausa precisa durar antes de seu turno terminar, defina CARTESIA_TURN_END_TIMEOUT_MS.

Qual a diferença para o mbailey/voicemode?

Esse projeto também pode usar modelos locais e outros provedores de voz. Este servidor usa só a Cartesia.

Existe um guia passo a passo deste template?

Sim. A receita explica o código, o README cobre a configuração, as variáveis de ambiente e a implantação, e a documentação de detecção de turnos do Ink 2 explica o lado da Cartesia.