Голосом я управляю Codex уже около полугода. Это мой основной канал управления — и Codex, и вообще любыми приложениями на компьютере. Поэтому когда голосовой ввод подают как новинку, для меня это давно привычная работа.
Но есть важное различие, которое стоит прояснить.
Диктовка: то, чем я пользуюсь давно
То, что я делаю полгода, — это одностороннее общение. Я проговариваю то, что мне уже понятно, Codex отвечает текстом и исполняет. Я — голосом, он — делом.
Это идеально для больших и уже сформированных задач: когда я точно знаю, что нужно, и мне остаётся просто это продиктовать. Такой формат никуда не делся и остаётся моим основным.
Диалог: то, что появилось
Новый голосовой режим в Codex — это не диктовка. Это быстрый двусторонний диалог — режим «вопрос-ответ». Он не заменяет привычную диктовку, а добавляет отдельный сценарий.
Он нужен там, где задача в начале ещё не оформлена. Когда я не транслирую готовую мысль, а мне нужно её обсудить: быстро уточнить, переспросить, сверить варианты, разобраться с коротким вопросом, который только что возник. Живой обмен репликами, а не монолог с командой.
Раньше такие вещи я либо печатал, либо диктовал и читал ответ глазами — что для короткого «туда-сюда» слишком медленно. Теперь я просто говорю и слышу ответ, не отрываясь от экрана и не переключаясь на чтение.
Screen Context: когда проще показать, чем описать
Голосовой диалог хорошо дополняется ещё одной возможностью — Screen Context. Codex может заглянуть в активное окно, когда я ссылаюсь на то, что вижу на экране. Не нужно копировать, пересказывать или описывать словами, что передо мной, — достаточно сказать «посмотри вот на это».
Это не постоянная трансляция экрана. Codex делает снимок переднего окна только в тот момент, когда это нужно, а на macOS в первый раз запрашивает разрешение.
В связке с диалогом это закрывает частый разрыв: раньше, чтобы обсудить открытую перед глазами задачу — переписку, бриф, дизайн, кусок кода — приходилось руками восстанавливать контекст в тексте. Теперь я просто говорю, глядя на экран, и Codex видит то же, что и я.
Где проходит граница
- Задача понятна → диктовка. Проговорил — Codex сделал. Большие, сформированные задачи.
- Задача ещё не ясна → диалог. Обсудили вслух — родилась ясность. Короткие вопросы и быстрые развилки.
Никакой революции — просто у голосового управления появился второй режим. Был один — когда я говорю и меня исполняют. Стало два: второй — когда мы с Codex просто быстро разговариваем.
Что важно учесть на практике
За первый же день работы всплывают нюансы, о которых стоит знать заранее:
- Не делайте тяжёлую работу прямо в живом чате — делегируйте. Сам голосовой разговор крутится на быстрой «лёгкой» модели. Реальные задачи отдавайте в отдельные потоки и формулируйте их конкретно, а не пытайтесь тащить всё в самом диалоге.
- Контекст сбрасывается при каждом старте. Новая голосовая сессия начинается с чистого листа. Держите наготове короткий стартовый ввод (или skill), который сразу вводит агента в курс дела.
- Сессия живёт по таймеру. Примерно через час разговор обрывается сам — не рассчитывайте на бесконечную беседу.
- Тишина имеет значение. Любой посторонний звук может «съесть» вашу предыдущую реплику. У меня это случалось не раз.
- Помните про приватность. Голос может автоматически отправлять данные разговоров в OpenAI — учитывайте это, когда обсуждаете что-то чувствительное.
Диктовка была двигателем — диалог стал рулём. Раньше я говорил — и меня исполняли. Теперь я ещё и думаю вслух рядом с Codex — и работа трогается с места раньше, чем мысль дозреет до идеальной команды. Вот так Codex First и выглядит в жизни: не искать формулировку, а просто говорить.
По теме
Если вы уже живёте в Codex и хотите выжать максимум из голосового управления, иногда быстрее разобрать ваш рабочий контур вместе, чем нащупывать режимы вслепую.
Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov