Voicemode

🚀 Voice Mode

AIアシスタントによる自然な音声会話を実現します。Voice Modeは、Model Context Protocol (MCP) を通じて、Claude、ChatGPT、その他の大規模言語モデル (LLM) と人間に近い音声対話を可能にします。

インストール方法: uvx voice-mode | pip install voice-mode | getvoicemode.com

🚀 クイックスタート

📖 別のツールを使用していますか？ Cursor、VS Code、Gemini CLIなどの 統合ガイド を参照してください！

npm install -g @anthropic-ai/claude-code
curl -LsSf https://astral.sh/uv/install.sh | sh
claude mcp add --scope user voice-mode uvx voice-mode
export OPENAI_API_KEY=your-openai-key
claude converse

✨ 主な機能

• 🎙️ 音声会話 - Claudeと質問をし、応答を聴くことができます。
• 🔄 複数の通信手段 - ローカルマイクまたはLiveKitルームベースの通信をサポートします。
• 🗣️ OpenAI互換 - 任意の音声認識 (STT) / 音声合成 (TTS) サービス (ローカルまたはクラウド) と互換性があります。
• ⚡ リアルタイム - 自動的に最適な通信手段を選択し、低遅延の音声対話を実現します。
• 🔧 MCP統合 - Claude Desktopや他のMCPクライアントとシームレスに連携します。
• 🎯 無音検出 - 話を止めると自動的に録音を停止します (待ち時間が不要になります！)

📦 インストール

前提条件

• Python >= 3.10
• Astral UV - パッケージマネージャー ( curl -LsSf https://astral.sh/uv/install.sh | sh でインストール)
• OpenAI APIキー (または互換性のあるサービス)

システム依存関係

sudo apt update
sudo apt install -y python3-dev libasound2-dev libasound2-plugins libportaudio2 portaudio19-dev ffmpeg pulseaudio pulseaudio-utils

sudo dnf install python3-devel alsa-lib-devel portaudio-devel ffmpeg

# Homebrewがインストールされていない場合はインストールする
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 依存関係をインストールする
brew install portaudio ffmpeg

nix develop github:mbailey/voicemode

クイックインストール

# Claude Codeを使用する場合 (推奨)
claude mcp add --scope user voice-mode uvx voice-mode

# Nixを使用するClaude Code (NixOS)
claude mcp add voice-mode nix run github:mbailey/voicemode

# UVを使用する場合
uvx voice-mode

# pipを使用する場合
pip install voice-mode

# Nixを使用する場合 (NixOS)
nix run github:mbailey/voicemode

AIコーディングアシスタントの設定

📖 詳細なセットアップ手順を探していますか？ 各ツールの詳細な手順については、包括的な 統合ガイド を確認してください！

以下は、クイック設定のスニペットです。完全なインストールとセットアップ手順については、上記の統合ガイドを参照してください。

claude mcp add voice-mode -- uvx voice-mode

claude mcp add voice-mode --env OPENAI_API_KEY=your-openai-key -- uvx voice-mode

{
  "mcpServers": {
    "voice-mode": {
      "command": "uvx",
      "args": ["voice-mode"],
      "env": {
        "OPENAI_API_KEY": "your-openai-key"
      }
    }
  }
}

{
  "mcpServers": {
    "voice-mode": {
      "command": "cmd",
      "args": ["/c", "uvx", "voice-mode"],
      "env": {
        "OPENAI_API_KEY": "your-openai-key"
      }
    }
  }
}

{
  "mcpServers": {
    "voice-mode": {
      "command": "uvx",
      "args": ["voice-mode"],
      "env": {
        "OPENAI_API_KEY": "your-openai-key"
      }
    }
  }
}

{
  "experimental": {
    "modelContextProtocolServers": [
      {
        "transport": {
          "type": "stdio",
          "command": "uvx",
          "args": ["voice-mode"],
          "env": {
            "OPENAI_API_KEY": "your-openai-key"
          }
        }
      }
    ]
  }
}

{
  "mcpServers": {
    "voice-mode": {
      "command": "uvx",
      "args": ["voice-mode"],
      "env": {
        "OPENAI_API_KEY": "your-openai-key"
      }
    }
  }
}

{
  "mcpServers": {
    "voice-mode": {
      "command": "uvx",
      "args": ["voice-mode"],
      "env": {
        "OPENAI_API_KEY": "your-openai-key"
      }
    }
  }
}

{
  "mcpServers": {
    "voice-mode": {
      "command": "uvx",
      "args": ["voice-mode"],
      "env": {
        "OPENAI_API_KEY": "your-openai-key"
      }
    }
  }
}

{
  "context_servers": {
    "voice-mode": {
      "command": {
        "path": "uvx",
        "args": ["voice-mode"],
        "env": {
          "OPENAI_API_KEY": "your-openai-key"
        }
      }
    }
  }
}

{
  "mcpServers": {
    "voice-mode": {
      "command": "uvx",
      "args": ["voice-mode"],
      "env": {
        "OPENAI_API_KEY": "your-openai-key"
      }
    }
  }
}

代替インストールオプション

docker run -it --rm \
  -e OPENAI_API_KEY=your-openai-key \
  --device /dev/snd \
  -v /tmp/.X11-unix:/tmp/.X11-unix \
  -e DISPLAY=$DISPLAY \
  ghcr.io/mbailey/voicemode:latest

pipx install voice-mode

git clone https://github.com/mbailey/voicemode.git
cd voicemode
pip install -e .

nix profile install github:mbailey/voicemode

# /etc/nixos/configuration.nix内
environment.systemPackages = [
  (builtins.getFlake "github:mbailey/voicemode").packages.${pkgs.system}.default
];

# home-manager設定内
home.packages = [
  (builtins.getFlake "github:mbailey/voicemode").packages.${pkgs.system}.default
];

nix run github:mbailey/voicemode

💻 使用例

設定が完了したら、Claudeに以下のプロンプトを試してみてください。

👨‍💻 プログラミングと開発

• "Let's debug this error together" - 問題を口頭で説明し、コードを貼り付けて、解決策を議論します。
• "Walk me through this code" - Claudeに複雑なコードを説明してもらいながら、質問をします。
• "Let's brainstorm the architecture" - 自然な会話を通じてシステムを設計します。
• "Help me write tests for this function" - 要件を説明し、口頭で反復作業を行います。

💡 一般的な生産性向上

• "Let's do a daily standup" - プレゼンテーションを練習したり、考えを整理します。
• "Interview me about [topic]" - 質問と回答を繰り返して面接の準備をします。
• "Be my rubber duck" - 問題を大声で説明して解決策を見つけます。

🎯 音声コントロール機能

• "Read this error message" (Claudeが読み上げ、あなたの応答を待ちます)
• "Just give me a quick summary" (Claudeが待たずに読み上げます)
• converse("message", wait_for_response=False) を使用して、片方向のアナウンスを行います。

converse 関数は、音声対話を自然に行うための主要なインターフェースで、デフォルトではあなたの応答を自動的に待ち、リアルな会話の流れを作り出します。

📚 ドキュメント

📚 voice-mode.readthedocs.ioで完全なドキュメントを読む

始めるには

• 統合ガイド - すべてのサポートされているツールのステップバイステップのセットアップ手順
• 設定ガイド - すべての環境変数のリファレンス

開発

• uv/uvxの使用 - uvとuvxによるパッケージ管理
• ローカル開発 - 開発環境のセットアップガイド
• オーディオフォーマット - オーディオフォーマットの設定と移行
• 統計ダッシュボード - パフォーマンスの監視とメトリクス

サービスガイド

• Whisper.cppのセットアップ - ローカルの音声認識の設定
• Kokoroのセットアップ - 複数の音声オプションを持つローカルの音声合成の設定
• LiveKitの統合 - リアルタイムの音声通信

トラブルシューティング

• WSL2マイクアクセス - WSL2のオーディオセットアップ
• 移行ガイド - 古いバージョンからのアップグレード

🔧 技術詳細

サポートされるツール

Voice Modeは、お気に入りのAIコーディングアシスタントと互換性があります。

• 🤖 Claude Code - Anthropicの公式CLI
• 🖥️ Claude Desktop - デスクトップアプリケーション
• 🌟 Gemini CLI - GoogleのCLIツール
• ⚡ Cursor - AIファーストのコードエディター
• 💻 VS Code - MCPプレビューサポート付き
• 🦘 Roo Code - VS Code内のAI開発チーム
• 🔧 Cline - 自律型コーディングエージェント
• ⚡ Zed - 高性能エディター
• 🏄 Windsurf - Codeiumによるエージェント型IDE
• 🔄 Continue - オープンソースのAIアシスタント

ツールの説明

注意: converse ツールは、音声対話の主要なインターフェースで、話すことと聴くことを自然な流れで組み合わせます。

新機能: install_whisper_cpp と install_kokoro_fastapi ツールは、無料でプライベートなオープンソースの音声サービスをローカルにセットアップするのに役立ちます。詳細な使用方法については、インストールツールドキュメント を参照してください。

設定

• 📖 統合ガイド - 各ツールのステップバイステップのセットアップ
• 🔧 設定リファレンス - すべての環境変数
• 📁 設定例 - すぐに使える設定ファイル

クイックセットアップ

必要な設定は、OpenAI APIキーのみです。

export OPENAI_API_KEY="your-key"

オプション設定

# カスタムSTT/TTSサービス (OpenAI互換)
export STT_BASE_URL="http://127.0.0.1:2022/v1"  # ローカルのWhisper
export TTS_BASE_URL="http://127.0.0.1:8880/v1"  # ローカルのTTS
export TTS_VOICE="alloy"                        # 音声選択

# または音声設定ファイルを使用する (設定ドキュメントを参照)
# プロジェクト: /your-project/voices.txt または /your-project/.voicemode/voices.txt
# ユーザー: ~/voices.txt または ~/.voicemode/voices.txt

# LiveKit (ルームベースの通信の場合)
# セットアップガイドはdocs/livekit/を参照
export LIVEKIT_URL="wss://your-app.livekit.cloud"
export LIVEKIT_API_KEY="your-api-key"
export LIVEKIT_API_SECRET="your-api-secret"

# デバッグモード
export VOICEMODE_DEBUG="true"

# すべてのオーディオを保存する (TTS出力とSTT入力)
export VOICEMODE_SAVE_AUDIO="true"

# オーディオフォーマット設定 (デフォルト: pcm)
export VOICEMODE_AUDIO_FORMAT="pcm"         # オプション: pcm, mp3, wav, flac, aac, opus
export VOICEMODE_TTS_AUDIO_FORMAT="pcm"     # TTS専用のオーバーライド (デフォルト: pcm)
export VOICEMODE_STT_AUDIO_FORMAT="mp3"     # STTアップロード用のオーバーライド

# フォーマット固有の品質設定
export VOICEMODE_OPUS_BITRATE="32000"       # Opusビットレート (デフォルト: 32kbps)
export VOICEMODE_MP3_BITRATE="64k"          # MP3ビットレート (デフォルト: 64k)

オーディオフォーマット設定

Voice Modeは、最適なリアルタイムパフォーマンスを得るために、TTSストリーミングにデフォルトで PCM オーディオフォーマットを使用します。

• PCM (TTSのデフォルト): ゼロ遅延、最適なストリーミングパフォーマンス、非圧縮
• MP3: 幅広い互換性、アップロード用の良好な圧縮率
• WAV: 非圧縮、ローカル処理に適しています
• FLAC: 損失のない圧縮、アーカイブに適しています
• AAC: 良好な圧縮率、Appleエコシステム
• Opus: 小さなファイルサイズですが、ストリーミングには推奨されません (品質問題があります)

オーディオフォーマットは、プロバイダーの機能に対して自動的に検証され、必要に応じてサポートされるフォーマットにフォールバックします。

ローカルSTT/TTSサービス

プライバシーを重視するまたはオフラインでの使用のために、Voice Modeはローカルの音声サービスをサポートしています。

• Whisper.cpp - OpenAI互換APIを持つローカルの音声認識
• Kokoro - 複数の音声オプションを持つローカルの音声合成

これらのサービスは、OpenAIと同じAPIインターフェースを提供するため、クラウドとローカルの処理をシームレスに切り替えることができます。

OpenAI API互換の利点

OpenAIのAPI標準を厳密に遵守することで、Voice Modeは強力な展開の柔軟性を提供します。

• 🔀 透過的なルーティング: ユーザーは、Voice Modeの外部で独自のAPIプロキシまたはゲートウェイを実装し、カスタムロジック (コスト、遅延、可用性など) に基づいてリクエストを異なるプロバイダーにルーティングできます。
• 🎯 モデル選択: Voice Modeの設定を変更することなく、リクエストごとに最適なモデルを選択するルーティングレイヤーを展開できます。
• 💰 コスト最適化: 高価なクラウドAPIと無料のローカルモデルをバランスさせるインテリジェントなルーターを構築できます。
• 🔧 ロックインのない柔軟性: BASE_URL を変更するだけでプロバイダーを切り替えることができ、コードの変更は必要ありません。

例: OPENAI_BASE_URL をカスタムルーターに設定するだけです。

export OPENAI_BASE_URL="https://router.example.com/v1"
export OPENAI_API_KEY="your-key"
# Voice Modeは現在、すべてのOpenAI API呼び出しにあなたのルーターを使用します

OpenAI SDKは自動的にこれを処理するため、Voice Modeの設定は必要ありません！

アーキテクチャ

┌─────────────────────┐     ┌──────────────────┐     ┌─────────────────────┐
│   Claude/LLM        │     │  LiveKit Server  │     │  Voice Frontend     │
│   (MCP Client)      │◄────►│  (Optional)     │◄───►│  (Optional)         │
└─────────────────────┘     └──────────────────┘     └─────────────────────┘
         │                            │
         │                            │
         ▼                            ▼
┌─────────────────────┐     ┌──────────────────┐
│  Voice MCP Server   │     │   Audio Services │
│  • converse         │     │  • OpenAI APIs   │
│  • listen_for_speech│◄───►│  • Local Whisper │
│  • check_room_status│     │  • Local TTS     │
│  • check_audio_devices    └──────────────────┘
└─────────────────────┘

トラブルシューティング

一般的な問題

• マイクアクセスができない: ターミナル/アプリケーションのシステムパーミッションを確認してください。
  • WSL2ユーザー: WSL2マイクアクセスガイド を参照してください。
• UVが見つからない: curl -LsSf https://astral.sh/uv/install.sh | sh でインストールしてください。
• OpenAI APIエラー: OPENAI_API_KEY が正しく設定されていることを確認してください。
• オーディオ出力がない: システムのオーディオ設定と使用可能なデバイスを確認してください。

デバッグモード

詳細なログとオーディオファイルの保存を有効にします。

export VOICEMODE_DEBUG=true

デバッグ用のオーディオファイルは、~/voicemode_recordings/ に保存されます。

オーディオ診断

診断スクリプトを実行して、オーディオセットアップを確認します。

python scripts/diagnose-wsl-audio.py

これにより、必要なパッケージ、オーディオサービスがチェックされ、具体的な推奨事項が提供されます。

オーディオ保存

すべてのオーディオファイル (TTS出力とSTT入力) を保存するには、以下を実行します。

export VOICEMODE_SAVE_AUDIO=true

オーディオファイルは、~/voicemode_audio/ にタイムスタンプ付きで保存されます。

🎬 デモ

Claude CodeでのVoice Modeの動作を見てみましょう。

Voice Mode with Gemini CLI

GoogleのGemini CLI (Claude Codeの実装) でのVoice Modeの動作を確認してください。

リンク

• ウェブサイト: getvoicemode.com
• ドキュメント: voice-mode.readthedocs.io
• GitHub: github.com/mbailey/voicemode
• PyPI: pypi.org/project/voice-mode
• npm: npmjs.com/package/voicemode

コミュニティ

• Discord: コミュニティに参加する
• Twitter/X: @getvoicemode
• YouTube: @getvoicemode

関連情報

• 🚀 統合ガイド - すべてのサポートされているツールのセットアップ手順
• 🔧 設定リファレンス - 環境変数とオプション
• 🎤 ローカルサービスのセットアップ - プライバシーのためにTTS/STTをローカルで実行する
• 🐛 トラブルシューティング - 一般的な問題と解決策

📄 ライセンス

MIT - Failmode プロジェクト

_{プロジェクト統計}