Как настроить голосовой ввод для вайб-кодинга

Герман Коваленко · основатель ENGRAM · Обновлено 21 июля 2026 · Об авторе →

Коротко: Задачи агенту удобнее диктовать: говорим мы в несколько раз быстрее, чем печатаем, а задачи в вайб-кодинге длинные. Лучший инструмент - локальная модель Whisper: распознаёт речь прямо на компьютере, бесплатно и без отправки звука в облако. Установку и настройку горячей клавиши поручите самому агенту.

Вайб-кодинг - это диалог, и его скорость упирается в скорость вашей речи к агенту. Подробное описание задачи голосом занимает секунды; та же задача печатью - минуты. Один раз настроив голосовой ввод, вы ускоряете каждый час работы.

Почему Whisper, а не встроенная диктовка

Whisper - открытая модель распознавания речи от OpenAI. Три причины взять её:

1. Качество. Встроенная диктовка операционной системы ошибается заметно чаще, особенно на технических словах и смешении русского с английским. Whisper держит и «задеплой на Amvera», и «поправь CLAUDE.md».
2. Приватность. Модель работает локально: звук не покидает компьютер.
3. Цена. Бесплатно, без подписок.

Установка через агента

Не ставьте руками - это работа для Claude Code. Вставьте промпт:

Настрой мне локальный голосовой ввод на базе Whisper.
1. Определи моё железо (система, процессор, память) и подбери размер модели под него.
2. Установи всё нужное сам, объясняя шаги простыми словами.
3. Настрой push-to-talk: зажал горячую клавишу - говорю, отпустил - текст
   появился в активном поле ввода. Предложи удобную клавишу.
4. В конце прогони тест: я скажу фразу, покажи распознанный текст.

Агент подберёт модель под мощность компьютера, поставит зависимости и настроит горячую клавишу. Дальше работает просто: зажали клавишу в любом поле ввода, продиктовали, отпустили - текст на месте.

Парный ускоритель: скриншот в буфер

Голос передаёт мысль, скриншот - картинку. Настройте снимок экрана сразу в буфер обмена, минуя файлы:

• Mac: Cmd + Shift + Ctrl + 4, выделили область - она уже в буфере.
• Windows: Win + Shift + S, выделили - готово.

Дальше Ctrl + V в чат агента. Связка «продиктовал задачу + вставил скриншот-референс» ускоряет работу в разы: агент слышит, что сделать, и видит, как должно выглядеть.

Частые вопросы

Whisper понимает русский?

Да, модель многоязычная и с русским работает уверенно, включая вперемешку с английскими терминами. Чем крупнее выбранная модель, тем точнее распознавание.

Нужен ли интернет для распознавания?

Нет. Модель работает локально, звук никуда не отправляется. Интернет нужен один раз - скачать модель при установке.

Компьютер слабый - потянет?

У Whisper несколько размеров моделей: на слабых машинах агент поставит компактную - она чуть менее точная, но лёгкая. Скажите в промпте «подбери размер под моё железо», это и произойдёт.

Есть ли платные аналоги и зачем они?

Есть сервисы диктовки по подписке - у них удобные приложения и свои фишки. Но для вайб-кодинга локального Whisper хватает: то же качество распознавания без ежемесячных платежей.

Что дальше

• Урок курса «Голос и скриншоты: ускорители работы».
• Куда девать скорость: как составить CLAUDE.md и собрать контекст проекта.
• Ставите систему с нуля - начните с установки Claude Code.