Dettare a Claude Code su Windows: cosa invia /voice e l'opzione locale

Parlare con un agente di programmazione è il primo tipo di dettatura che molti sviluppatori abbiano mai desiderato. I prompt sono lunghi, colloquiali e pieni di frasi come «rifattorizza il middleware di autenticazione», e scriverli richiede più tempo che dirli. Claude Code ora ha una modalità vocale, ed è fatta bene. Questo articolo spiega esattamente che cosa fa con il tuo audio e dove si ferma, e riporta i tempi misurati dell'alternativa: un tasto di dettatura che funziona in ogni terminale, chat ed editor del computer, con il modello vocale che gira sulla tua GPU.

Che cosa fa la modalità vocale di Claude Code

La attivi con /voice. Nella modalità predefinita, hold, tieni premuta la barra spaziatrice mentre parli; in modalità tap premi una volta per iniziare e una volta per inviare. La trascrizione compare nel prompt mentre parli, attenuata finché non diventa definitiva, e nello stesso messaggio puoi alternare testo digitato e voce. La registrazione si ferma da sola dopo quindici secondi di silenzio o dopo due minuti in tutto. La trascrizione è ottimizzata per il lessico del codice, e Claude Code aggiunge di sua iniziativa il nome del progetto e il branch git come suggerimenti per il riconoscimento: un'accortezza intelligente. E non intacca i tuoi limiti di utilizzo.

Ora la parte che la documentazione di Anthropic scrive nel primo requisito, testualmente: «La dettatura vocale invia in streaming l'audio registrato ai server di Anthropic per la trascrizione. L'audio non viene elaborato in locale» (in originale: «Voice dictation streams your recorded audio to Anthropic's servers for transcription. Audio is not processed locally.»). Da questa frase discendono tre conseguenze, spiegate nella stessa pagina.

• Serve un account claude.ai. Il servizio vocale non è disponibile quando Claude Code usa una chiave API, Amazon Bedrock, l'Agent Platform di Google Cloud o Microsoft Foundry. Le aziende che hanno scelto queste strade per motivi di residenza dei dati restano senza modalità vocale: è coerente, anche se scomodo.
• Serve un microfono locale. Niente voce nelle sessioni SSH, in Claude Code sul web, in VS Code Remote, nei Dev Containers o in Codespaces, né in WSL1.
• Parla venti lingue, una alla volta. La dettatura segue l'impostazione language e di default è in inglese. Impostala sul polacco e detti in polacco; parla polacco mentre è impostata sull'inglese e la trascrizione è spazzatura, come fa notare la sezione sulla risoluzione dei problemi. Non c'è rilevamento automatico.

Niente di tutto questo è una critica all'ingegneria. È la descrizione di un'architettura: un ottimo servizio di trascrizione in cloud, integrato in un'unica applicazione, disponibile per un solo tipo di account.

Dove si ferma per chi programma di mestiere

Le condizioni su account e rete pesano per alcuni e per altri no. Due limiti toccano tutti.

Funziona solo dentro il prompt di Claude Code. Appena passi a una sessione di Codex, a una chat di Cursor, a una issue di GitHub nel browser, a un messaggio di commit nell'editor o a un thread di Slack, la voce sparisce. Chi parla con gli agenti raramente parla con uno solo.

L'audio esce dal computer. Per un progetto personale non è un problema per nessuno. Per il codice di un cliente coperto da NDA, per un datore di lavoro in un settore regolamentato, o semplicemente per uno sviluppatore che ha scelto i modelli locali per un motivo, è un confine da non superare. Alcune organizzazioni hanno già disattivato la funzione per policy, e Claude Code lo segnala con «Voice mode is disabled by your organization's policy».

L'alternativa locale, misurata

Un tasto di dettatura valido in tutto il sistema aggira entrambi i limiti: lo premi in qualsiasi finestra, parli, lo premi di nuovo e il testo arriva dov'era il cursore, trascritto da un modello Whisper sulla tua scheda grafica. La domanda ovvia è se la trascrizione locale sia abbastanza veloce da sembrare una conversazione. Abbiamo misurato il nostro motore, quello dentro AlphaDictate, sul portatile su cui è stato scritto questo articolo, che ha una GPU dedicata NVIDIA RTX 5070 Ti per portatili e una AMD Radeon 890M integrata. Il campione è una clip di 77 secondi di parlato inglese sintetizzato su una riunione di prodotto, tagliata nelle durate tipiche di una dettatura; ogni numero è la mediana di tre passaggi nel motore che distribuiamo e non include la frazione di secondo che richiede l'incolla vero e proprio.

Il caricamento di un modello nella GPU avviene una volta sola e ha richiesto tra uno e due secondi e mezzo, a seconda delle dimensioni. Un prompt tipico per un agente dura da dieci a venti secondi di parlato, quindi su una GPU dedicata il testo compare meno di un secondo dopo che hai smesso di parlare con il modello più preciso, e su una GPU integrata in circa due secondi, o ben sotto il secondo se scegli il modello Veloce. Una volta contato il viaggio di andata e ritorno, la dettatura in cloud non è sensibilmente più rapida, e non rallenta quando la connessione è scarsa.

Nelle dettature più lunghe raramente si aspetta anche solo così tanto: AlphaDictate trascrive ciò che hai detto a ogni pausa mentre continui a parlare, quindi dopo un minuto di dettatura con delle pause resta solo l'ultimo tratto, circa mezzo secondo sulla GPU dedicata e due secondi su quella integrata con il modello più preciso. Il nostro articolo sulle GPU riporta quei numeri.

Due avvertenze oneste. Il parlato sintetizzato è più pulito di una persona che borbotta davanti al microfono di un portatile, quindi questo test non misura la precisione, ma la latenza. E la colonna della GPU integrata è un portatile del 2025: le grafiche integrate più vecchie saranno più lente, ed è per questo che l'app offre tre dimensioni di modello e al primo avvio ti dice quale regge il tuo hardware.

Il problema del terminale di cui nessuno parla

Ogni strumento di dettatura su Windows, compreso il nostro, porta il testo in un terminale allo stesso modo: mette la trascrizione negli appunti e invia un comando di incolla. Windows Terminal, il terminale di VS Code e la console in cui gira Claude Code accettano tutti Ctrl+V, quindi funziona. Due cose lo mandano all'aria, e lo fanno con qualsiasi strumento.

La prima è un terminale con privilegi elevati. Se esegui la shell come amministratore, Windows scarta in silenzio i tasti simulati da un programma con privilegi normali, e l'incolla sembra non fare nulla, senza alcun errore da nessuna parte. AlphaDictate lo verifica prima di incollare e ti avvisa che il testo è negli appunti, così puoi premere Ctrl+V tu stesso invece di perdere la dettatura. La seconda sono gli appunti stessi: l'incolla sostituisce qualunque cosa avessi copiato. Abbiamo scelto deliberatamente di lasciare la trascrizione negli appunti, così un incolla fallito per qualsiasi motivo è a un Ctrl+V di distanza, e ogni dettatura resta anche nella cronologia locale dell'app. Se detti mentre stai copiando qualcosa di prezioso, copialo di nuovo dopo. È questo il compromesso, e preferiamo dirlo qui piuttosto che fartelo scoprire da solo.

Configurare un tasto di dettatura locale per lavorare con gli agenti

1. Installa un'app di dettatura locale e lascia che scarichi un modello. Scegli il modello Veloce se hai una grafica integrata e vuoi risultati in meno di un secondo; scegli Migliore su una GPU dedicata.
2. Assegnala a qualcosa che puoi premere senza guardare. Un pulsante laterale del mouse è l'ideale per lavorare con gli agenti: mano sul mouse, premi, parli, premi, e il prompt si riempie.
3. Se pensi in più di una lingua, lascia la lingua su Rileva automaticamente. Whisper ti segue anche a metà frase.
4. Aggiungi una volta per tutte al suggerimento di vocabolario le parole insolite del tuo progetto: i nomi dei servizi interni, la libreria che nomini di continuo, il cognome del tuo cofondatore.
5. Se ti piace l'anteprima in tempo reale della modalità vocale di Claude Code, tienila pure attiva. Le due cose non vanno in conflitto: una è un tasto dentro un'app, l'altra un tasto ovunque.

Noi facciamo AlphaDictate, quindi leggi il consiglio tenendolo presente, e sappi che l'alternativa gratuita nella stessa categoria è Handy, un'app di dettatura locale open source con meno funzioni e nessun costo. Il nostro articolo precedente sulla digitazione vocale di Windows parla dell'opzione integrata, che anch'essa invia l'audio a un server e anch'essa si ferma a una lingua.

---

Domande frequenti

La modalità vocale di Claude Code elabora l'audio in locale? No. La documentazione di Anthropic dice che l'audio viene inviato in streaming ai server di Anthropic per la trascrizione e non viene elaborato in locale.

Perché /voice dice che serve un account Claude.ai? Il servizio di trascrizione vocale è offerto solo a chi accede con claude.ai. Le sessioni di Claude Code autenticate con una chiave API, Bedrock, l'Agent Platform di Google Cloud o Microsoft Foundry non possono usarlo.

Posso dettare a Claude Code via SSH? Non con la modalità vocale integrata, che richiede un microfono locale. Un'app di dettatura di sistema in esecuzione sul tuo computer scrive nel terminale SSH come in qualsiasi altra finestra.

Quali lingue supporta la modalità vocale di Claude Code? Venti, tra cui inglese, tedesco, francese, spagnolo, portoghese, polacco, giapponese, coreano e ucraino, scelte tramite l'impostazione della lingua e non rilevate in automatico.

Quanto è veloce la dettatura locale su un portatile? Sul portatile che abbiamo misurato, una dettatura di quindici secondi è stata trascritta in meno di un secondo sulla GPU dedicata con il modello più preciso, e in circa due secondi sulla GPU integrata, o in meno di un secondo con il modello Veloce.

La dettatura funziona in un terminale da amministratore? Su Windows le finestre con privilegi elevati ignorano gli incolla simulati, con qualsiasi strumento. AlphaDictate se ne accorge e lascia il testo negli appunti per un Ctrl+V manuale.