2026年の音声コーディング：AIエージェントに声で指示する方法
著者：Finnian Brown
7 分で読めます
具体的なプロンプト例とアプリ別の設定は、Aquaでの音声コーディングをご覧ください。
AIコーディングエージェントへの指示は、声で伝えると速くなります。 英語では、話す速度は毎分約150語、タイピングは約40語とされます。CursorやClaude Codeがコードを書き、人が指示を出す今、キーボードが作業の遅い部分になりつつあります。キーを押して話せば、専門用語を保ったプロンプトをエディターへ入力できます。
音声コーディングとは、変更内容、制約、考慮すべきケースを声で説明し、CursorやClaude CodeなどのAIエージェントにコードを書かせることです。専門用語を正確に認識し、使うツールをまたいで入力できることが重要です。
これは未来の予測ではなく、すでに使える方法です。
IDEにマイクが加わっている
Cursor 2.0にはVoice Modeが追加され、エージェントへ声で指示できます（Cursorの変更履歴）。2026年には、Claude Codeにも/voiceモードが登場しました。ターミナルでキーを押して話せるほか、プロジェクト名とGitブランチ名を認識のヒントに使います（Claude Codeのドキュメント、設定と対処方法のガイド）。OpenAIのCodexにも音声入力が加わりました。主要なエージェント型開発ツールがマイクを加えるのは、よく使う人がすでに気づいていた価値を示しています。
タイピングの手間は、プロンプトの詳しさを抑えてしまいます。 具体的な指示ほどエージェントの結果は良くなりますが、打つのが遅いと、背景や例外を省いて「認証バグを直して」とだけ書きがちです。声なら、必要だった三段落の説明もすぐに伝えられます。考えを口に出し、全体像をエージェントに渡せば、自分の入力が作業のボトルネックになりにくくなります。
2026年に考えるべきなのは、声で開発するかどうかよりも、どう使えばうまくいくかです。標準のマイク機能は便利ですが、それだけで満たせない部分もあります。
標準の音声モードの限界
日常的に使うと、二つの限界が見えてきます。
1. 一つのツールの中に限られる。 CursorのVoice ModeはCursor内、Claude Codeの/voiceはClaude Code内で、Claude.aiアカウントでのログインが必要です。Codexの機能もCodex内です。しかし実際の10分間には、Cursorへの指示、ターミナルでのコミット、GitHubのPR説明、Slackへの返信、ChatGPTへの質問が混ざります。アプリごとにマイクがあると、操作を覚え直し、外へ移ったとたん声を使えなくなります。
2. 汎用の文字起こしはコードが苦手。 よくある音声認識の学習データは、オーディオブックやニュースです。useEffect、kubectl、OAuth2、pnpm、git rebase --onto、チルダとスラッシュを含むパスは、そこから離れています。「use effect」「cube cuddle」のような誤認識を修正するたびに、速度の利点が薄れます。
Aquaは、この不足を埋めるためにつくられました。
正確に伝えるための設定
1. どのアプリでも同じ音声入力を使う
Aquaはシステム全体で使える、押して話す音声入力です。Aquaキー（Macの標準はFn）を押して話し、離すとカーソル位置に文字が入力されます。Cursor、Claude Code、ターミナル、GitHub、Gmail、Notion、Slackで同じ操作です。個別の連携やブラウザー拡張機能は不要で、キーを離してから約450msで文字が入ります。
2. 開発者の話し方に合わせたモデルを使う
Aquaは独自モデルAvalonを使っています。朗読よりも、プロンプト、コード、メールなど、人がコンピューターに話す音声に合わせて学習しています。
- OpenASR Leaderboardでは、2025年10月の初登場時にクローズドソースモデルで1位となりました。自社採点ではなく、独立して確認できる順位です（評価結果）。
- 自社の専門用語ベンチマークで、難しいサブセットのAISpeak-10では97.4%。Whisper Large v3は65.1%でした。AISpeakはAquaが公開する自社評価ですが、日々の入力で使う語彙に焦点を当てています。
- 9to5MacがmacOS標準の音声入力と同じ文章で比較した検証では、Appleが17か所、Aquaが1か所の誤りでした。
識別子やコマンドでは、この精度が重要です。
3. 画面の文脈も使う
AquaのDeep Contextは、現在の画面を読み取り、変数名、ライブラリ名、同僚のハンドル名、ターミナルに表示されたCLIフラグなどを判断する手がかりにします。入力先に合わせて、コミットでは簡潔に、Slackでは自然な文へと文体も調整します。音だけでなく、文脈の中の音を認識します。
4. リポジトリ固有の語彙を教える
製品名、社内サービス、チーム独自の略語などをカスタム辞書に登録します。Proでは最大800件です。さらにカスタム指示で、「コード識別子はcamelCaseにする」「文章中の10未満の数はつづりで書く」といった方針を設定できます。
5. エージェントに必要なことを全部話す
入力が速くなれば、短く切り詰める必要はありません。望む結果、制約、対象ファイル、気になる例外、試してうまくいかなかったことまで伝えましょう。情報が増えるほどエージェントは判断しやすくなり、説明の負担は数分から数秒へ減ります。
記号や識別子を伝えるコツ
- 説明は自然な言葉で、コードは文脈を使って。 「fetchの呼び出しをtry-catchで囲んで、エラーをSentryに記録して」と伝えれば、記号をすべて一文字ずつ言う必要はありません。
- 重要なときは表記法を指定。 「camelCaseのuser ID」「snake_caseのmax retries」と伝え、
userIdやmax_retriesを狙います。 - パスとフラグも自然に話す。 Avalonの学習対象に含まれ、Deep Contextで画面のパスを参照できる場合もあります。
- 手入力と併用。 手で打つ方が速い部分は打ち、話す方が速い部分はAquaキーを使います。カーソル位置はそのままです。
- 基本は押して話す操作。 意図したときだけマイクが聞くので、騒がしい部屋でも扱いやすく、安心して使えます。
意図から指示までの距離を縮める
150年もの間、キーボードは考えを機械に伝える速い方法でした。しかし、エージェントにソフトウェアの動作を説明する仕事では、その前提が変わっています。Claude CodeやCodexの標準音声機能は、その変化の一部です。どこでも同じように使える、正確な音声入力が、残りの部分をつなぎます。
長く続いたタイピングから、声へ。
Aquaを無料で試す → 最初の1,000語は無料。その後は年払いで月額8ドル相当で、Mac、Windows、iOS、Androidの音声入力が無制限です。エージェント向けに開発している方は、OpenAI互換Avalon APIも利用できます。
よくある質問
音声コーディングとは何ですか？
プロンプト、指示、識別子を手で打つ代わりに話し、主にAIエージェントにコードを書かせる方法です。Aquaなら、一つのキーでエディター、ターミナル、チャットに入力できます。
CursorやClaude Codeに声で指示できますか？
はい。CursorにはVoice Mode、Claude Codeには/voiceがあります（設定ガイド）。Aquaなら両方と他のアプリをまたいで使え、現在の入力欄に専門用語を含む文章を入力できます。
プログラミングに十分な精度はありますか？
汎用モデルはコードの語彙を苦手とすることがあります。AquaのAvalonはコードやプロンプトの音声に合わせて学習し、2025年10月のOpenASRではクローズドソースモデルで首位でした。識別子、フラグ、ライブラリ名を重視しています。
Claude Codeに音声機能があっても、別のアプリは必要ですか？
標準音声は、そのツール内に限られます。Cursor、ターミナル、GitHub、Gmail、Slackを行き来するなら、Aquaのようなシステム全体の入力で、操作と精度をそろえられます。
手入力と比べてどれくらい速いですか？
英語では一般的に、会話は毎分約150語、手入力は約40語です。速度だけでなく、短く曖昧なプロンプトで済ませずに背景を伝えやすくなるため、エージェントの出力改善にもつながります。
最終更新：2026年10月2日。OpenASRの順位は独立して確認できる評価です。AISpeakはAqua独自の専門用語ベンチマークです。Aquaは競合製品の内部モデルについて断定していません。
