音声でコード変更をブレインストーミングする方法（Claude Code や Codex のセッション向け）
スマホで変更内容を話し合い、計画を求め、音声プロバイダーに見せる情報をしっかり絞るための方法です。
- CLI
- 0.2.17
- プレビュー ref
- a2c45c8
注意: 機能一覧（英語）によると、ローカル音声（デバイス上での文字起こしと音声合成）は実験的な機能です。音声機能は 0.2.x で作り直され、ローカル、OpenAI Realtime、Codex Live（実験的）、Grok Realtime に対応しています。
ちゃんとした指示を書くには、入力がうまく機能します。
でもスマホで「30 秒しかない」瞬間に確実に使えるのは音声です。
- 「今やっていることを止めて、何を変えたか説明して。」
- 「続ける前に、マイグレーションに触れそうなら確認して。」
- 「計画を要約して、3ステップのチェックリストにして。」
目標は、「音声レイヤー」が切り離された第2の会話にならないようにしながら、音声で本物のコーディングセッションをブレインストーミングし、方向づけることです。
よくある方法（音声入力、メモ、普通に入力）は、どれも何かを失います。
Happier は、コーディングエージェントをクロスデバイスで動かしオーケストレーションするためのオープンソースアプリです。音声を本物の対象セッションに結びつけ、音声プロバイダーに何を見せるかを明示的に制御できます。
要点
- 本当に欲しいものを決めます:
- 音声ブレインストーミング（まず話す）、または
- 音声の口述（すべてをそのままセッションに送る）
- リポジトリ/ワークスペースを持つマシンで Happier をセットアップし、スマホを接続します。
- 設定（Settings）→ 音声（Voice） で音声モードを選びます:
- Happier Voice（セットアップが速い）
- 自分のElevenLabsを使用（Use my ElevenLabs、自分のアカウントと課金）
- ローカル OSS 音声（Local voice、デバイス/セルフホストのエンドポイント/端末上の音声）
- プライバシーを絞ります: まず ファイルパス と ツール引数 の共有をオフにします。
- 話し始めたら、スレッドが2つあることを覚えておきます:
- 非表示の 音声の会話（自分が言ったことと、その返答）
- 対象セッション（実際に操作したい Claude Code/Codex のセッション）
課題
キーボードから離れていても、コーディングセッションは進めたいものです。スマホでの入力が遅いからといって、生煮えの指示を送りたくはありません。
音声は「さっと方向づける」「さっと確認する」ために役立ちます。
見落としがちな点: 音声プロバイダーは外部サービスです。プライバシーの切り替えを確認しないと、意図した以上の情報をうっかり共有してしまうことがあります。
よくある方法とトレードオフ
- スマホで普通に入力する: 短いメッセージなら使えますが、細かいニュアンスが抜けます。
- メッセージ欄に直接音声入力する: 速いですが、間違ったものを送りやすいです（しかも発話のすべてがセッションに流れ込みがちです）。
- 自分に電話する / メモを残す: 意外と効きますが、セッションにはつながっていません。
- Happier の音声: 話す速さを活かしつつ、本物の対象セッションと本物の制御を保ちたいときに使えます。
Happier を初めて使う場合（概要と入手方法）
Happier を初めて見る方へ。Happier は、Claude Code、Codex、OpenCode などの AI コーディングエージェント向けのオープンソースのコンパニオンアプリ（モバイル/Web/デスクトップ）です。
ここでのワークフローは、リポジトリとエージェントの実行環境はワークスペースを持つマシンに置いたまま、スマホから Happier でセッションを監視し、方向づけ、続ける、というものです。
セットアップ:
- スマホから Happier を使う方法
- GitHub: https://github.com/happier-dev/happier
- インストール/ダウンロード: https://github.com/happier-dev/happier#how-it-works
- Discord（コミュニティとサポート）: https://discord.gg/W6Pb8KuHfg
動くワークフロー（手順）
1) 自分の制約に合った音声モードを選ぶ
設定（Settings）→ 音声（Voice） を開きます。
Happier は4つの音声モードに対応しています。
- オフ（Off）
- Happier Voice（マネージドのリアルタイム ElevenLabs）
- 自分のElevenLabsを使用（Use my ElevenLabs、自分の API キーとエージェントを使うリアルタイム ElevenLabs）
- ローカル OSS 音声（Local voice、設定可能な STT/TTS パイプライン）
判断のルール:
- セットアップを少なくしたいなら: Happier Voice から始める。
- すでに大事にしている ElevenLabs の構成があるなら: 自分のElevenLabsを使用 を使う。
- デバイスの音声、セルフホストのエンドポイント、端末上の音声を使いたいなら: ローカル OSS 音声 を使う。
2) 音声を「本番」で使う前にプライバシーを絞る
音声の設定には、音声プロバイダーに何を見せるかのプライバシー設定があります。
既定値は慎重で、特に重要なのが次の2つです。
- ローカルのパスを共有（Share local file paths、既定でオフ）
- ツール引数を共有（Share tool arguments、既定でオフ）
音声で本物のコーディング作業を方向づけるなら、この2つが次の違いを生みます。
- 「音声プロバイダーは手伝えるが、ファイルシステムやツール呼び出しの中身は見えない」
- 「音声プロバイダーに、望んだよりずっと多くが見える」
さらに厳しくしたいなら、次も無効にします。
- 最近のメッセージを共有（Share recent messages）
3) 「非表示の音声の会話」と「対象セッション」の違いを理解する
ここが考え方の要です。
音声が有効なとき、Happier は非表示の音声の会話を保持します。
この会話があるので、次のことができます。
- 何が聞き取られたか確認する
- 音声の返答をテキストで読む
- 入力で続ける
- 何を読み上げたか確認する
でも、音声が操作するには本物のセッションが必要です。
そのセッションが対象セッションです。
音声が「話しているのに何もしていない」ように感じるなら、たいてい次のどちらかです。
- 対象セッションではなく、音声の会話のトランスクリプトを見ている
- 音声が間違った対象セッションを指している
4) 「ダイレクトセッション」か「音声エージェント」かを決める（ローカル OSS 音声）
ローカル OSS 音声 を使っている場合、会話モードが2つあります。
- ダイレクトセッション（Direct session）: 発話を文字起こしして、そのまま対象セッションに送る。
- 音声エージェント（Agent）: まず専用の音声エージェントと話し、それから対象セッションを操作させる。
選び方:
- ほぼ口述として使いたいなら ダイレクトセッション。
- 何かをする前に、音声レイヤーに質問させたり、要約させたり、確認させたりしたいなら 音声エージェント モード。
5) （任意）voice home とプロジェクトルートで「思わぬ作業ディレクトリ」を避ける
ローカル音声のエージェントモードは、どこから起動したかで作業ディレクトリが変わります。
- 音声を全体から開始（サイドバー/全体の画面）→ voice home から始まる
- 音声をセッションから開始 → そのセッションのプロジェクトルートで始まる
安全で中立な振る舞いにしたいなら、voice home に留める（Stay in voice home）を有効にすると、音声が自動でプロジェクトルートに移動しなくなります。
リポジトリの中で本物のコーディング仲間のように動いてほしいなら、通常はセッションの画面（プロジェクトルート）から始めるのが合っています。
なぜ動くのか（そして何で壊れるのか）
Happier の音声がうまく動くのは、単なる「音声からテキスト」ではなく、本物のセッションを指してそれを操作できるレイヤーだからです。
実際に壊れるのは次の2か所です。
- プライバシーの不一致: 「大まかな話だけ」のつもりが、多くを見せる共有を有効にしていた。
- 対象の不一致: 音声は有効なのに、間違ったセッションを指している（または対象ではなく音声のトランスクリプトを読んでいる）。
よくある間違い
- プライバシーを確認する前に音声をオンにする → まず「最近のメッセージ / ローカルのパス / ツール引数の共有」をひととおり確認しましょう。
- 音声がセッションの代わりになると思う → 音声には独自の会話の状態があります。対象セッションはやはり必要です。
- 音声レイヤーに慎重に動いてほしいのにダイレクトセッションを使う → 「先に確認する」振る舞いが欲しいなら音声エージェントモードに切り替えましょう。
よくある質問
音声は Claude Code/Codex のセッションの代わりになりますか？
いいえ。音声は独自の非表示の会話の状態を持ち、操作が必要なときに本物のセッションを対象にします。
どのモードから始めるべきですか？
既定が欲しいなら、Happier Voice から始めて、プライバシー、セルフホスト、デバイスの特別な制約があるときだけ ローカル OSS 音声 に移りましょう。