Claude Code を声で動かす：並列レーンのビルド

AI 支援開発のこの 1 年で、静かに逆転したことがあります。ループの中で一番遅い部分は、もう機械ではありません。Claude Code は 4 分かけて、喜んでリファクタリングを挽き続けます。Cursor は、こちらが見ていない間にテストスイートを下書きします。ボトルネックはあなた自身 — 具体的には、一度にひとつのウィンドウにしかいられない手です。

エージェントのレーンを 2 本以上走らせた時点で、これは煩わしさではなく、一日の形そのものになります。レーン 1 は認証をリファクタリング中。レーン 2 はレビュー待ち。レーン 3 は、顧客がバグを下手に説明している Slack のスレッド。どのレーンも自然言語で前に進み、その自然言語を、あなたは 10 本の指とひとつのフォーカス中のウィンドウで生み出しています。

そこが声の埋める隙間です。「小説を音声入力する」ための声ではなく、制御チャンネルとしての声です。これは誰もデモしないバイブコーディングの一部です。話してコードそのものを生み出すことはめったになく、コードを生み出すエージェントを操縦しているのです。

プロンプトは散文であり、散文は話す方が速い

コーディングエージェントを動かすことについての要点はこれです。入力はコードではありません。指示です。「WebSocket のハンドラからリトライ処理を切り出して、独立したモジュールに移して、バックオフの上限を設定可能にして」。すでにそのウィンドウにいて、温まっていて、他のことを考えていなければ、これは 20 秒で打てます。

けれども、もうその状態でいることはありません。別のレーンでレビューの途中です。エージェントの最後の差分を読んでいます。コーヒーを持っています。プロンプトのコストはタイプする時間ではありません — それを打つために、手と目を配置しに行くコンテキストスイッチです。

プロンプトを話すことは、そのコストをつぶします。ターミナルにフォーカスし、キーを押し、頭の中ですでに言っていた文を言い、離す。言葉はカーソルに着地し、レーンはまた動き出し、注意は本来向いているべき場所へ戻ります。

ワークフローを、具体的に

私はこれに Keebye を使っています — この問題が仕事を食い尽くしたときに作ったツールで、以下はその実際の挙動であって、願望ではありません。ホットキー、挿入モード、辞書といった凝縮版のセットアップ手順は、Claude Code のための音声入力にあります。

ホットキーひとつを押したまま。 デフォルトは右⌘キーです。押しながら話し、離すと、文字起こしされたテキストがフォーカス中の編集可能な入力欄に着地します。長い指示なら、1 回タップすると、もう一度タップするまで録音が続きます。Esc で抜けられます。開くウィンドウはありません。それがまさに要点です — このツールは自分のレーンを持ちません。

ターミナルのための擬似タイピングモード。 Claude Code はターミナルに住んでいて、ターミナルはクリップボードのペーストによる挿入に対して敵対的です — とくに SSH 越しや tmux の中では。Keebye は、ペーストする代わりにテキストを擬似的にタイプできます。ターミナルを意識したペース配分つきで、プロンプトはキーストロークが届くのと同じ形で届きます。エージェント相手の作業では、この設定ひとつが「かわいいデモ」と「日常の相棒」の違いになります — なぜターミナルでペーストが壊れるのかの全体像は、ターミナルでも生き残る音声入力にあります。

専門用語のための辞書。 音声モデルは、あなたのプロジェクトの語彙を知りません。カスタム辞書は、モデルが聞き取ったものを、あなたが意図したものへ対応づけます。モジュール名、チームメイトの名前、「pnpm」、コードベースのせいで何度も口にすることになるもの、なんでも。

限界のあるヒューリスティックによる、ローカルの整形。 生の発話は「um」と言い直しだらけです。Keebye は高速なルールでフィラーを取り除き、句読点を直します。オプションのローカル LLM による磨き上げは、深刻なトークンの喪失、膨張、繰り返しがあればルールに戻ります。そのガードは意味を証明することも、あらゆる否定を守ることもできないので、重要なエージェントへの指示は送信前に確認してください。

そして音声認識はすべてオンデバイスで動くので、プロンプトそのもの — 未発表のプロダクトをレーンごとに詳しく描写したもの — がマシンを出ることはありません。

声で動かすのが、実際に得意なこと

毎日これと暮らしてきた、正直な棚卸しです。

軌道修正。 エージェントが終わって、80% は正しい。「抽出はそのまま残して、テストファイルのリネームは差し戻して、スイートをもう一度走らせて」。話せば 3 秒です。私の一日で、最も価値の高い音声入力はこれです。

次のレーンに積んでおく。 レーン 1 がビルドしている間に、次のタスクをレーン 2 に語る。手は直列、仕事は並列。

コードの周りの散文。 PR の説明、コミットメッセージ、バグ報告への Slack の返信、返しそびれているメール。ウィンドウにフォーカスして、言って、終わり — 手は、いたレーンから離れません。

声に出して、役に立つように考える。 話す方がうまく出てくる指示があります。発話は線形であることを強いるからです。口では括弧を入れ子にできません。

そうではないもの

正直さの節です。Keebye の文字起こしはバッチであって、ストリーミングではありません — テキストが現れるのはキーを離したときで、単語ごとではありません。プロンプトにはそれで十分ですが（話して、それが 1 ブロックとして着地する）、リアルタイム字幕の体験ではないということです。デフォルトのモデルは英語向けです。多言語の音声入力は 25 言語をカバーする別のオンデバイスエンジンで — それがなぜ重要かは音声入力が英語だけであってはいけない理由に書いています。そして、どんな音声入力ツールも悪いプロンプトを良くはしません。声が取り除くのは摩擦であって、考える必要ではありません。

この領域には、他にも良いツールがあります — Superwhisper と Wispr Flow はよく尋ねられる 2 つで、どちらについても正直な比較を書きました。Keebye vs Superwhisper と Keebye vs Wispr Flow です。

なぜこれが積み上がるのか

音声入力したプロンプト 1 回で節約できるのは数秒です。それは話の本筋ではありません。本筋は、その数秒が何を止めていたかです。走らせているレーンは、こちらが指示を与えたときにだけ前に進むので、レーンに与えることへの税は、すべてのレーンへの税になります。それを削れば、自分の注意を配給するのをやめられます — オーバーヘッドが大きすぎる気がして走らせていなかった 3 本目のレーンを、足せるようになります。

すべての発端は、ワークフローについての随筆よりずっと不格好でした。子ども 2 人、重い責任のワークストリームがいくつか、そして足りない手。その話はこちらです — 子ども 2 人、スタートアップ 3 社、声はひとつ。

Keebye は macOS 向けに早期アクセス中です。下から無料トライアルを始めて、いちばん忙しいレーンに向けて、ひとつ具体的な流れを試してください。レーン 1 をレビューし、レーン 2 に軌道修正を音声入力し、それからレーン 3 で待っている人間に返事をする。声はそれらを同時に制御するわけではありません。並列なレーンのそれぞれに、より小さい受け渡しコストで供給し続けるだけです。