English summary. Local voice for Claude Code on Windows: replies are read aloud through Claude Code hooks (Chatterbox, Qwen3-TTS, Kokoro or Windows voices) and you talk back by microphone (Silero VAD + Whisper, or the desktop app's dictation). Includes CUDA-graph decoders that make Chatterbox run 1.5× → 4.7× real time and Qwen3-TTS 0.5× → 3.8× (14.5× in batches) with the same audio. Five independent pieces. Beta: in development and not yet proven.
Aviso: projeto beta, em desenvolvimento e ainda não comprovado. Use por sua conta e risco.
Desenvolvido por Raul Ponce Quaresma com assistência de ferramentas de IA. Projeto independente, sem ligação com a Anthropic.
Cada peça tem a sua pasta, o seu README e a sua instalação. Instale só as que quiser.
| Peça | O que faz | Depende de |
|---|---|---|
leitor/ |
Lê as respostas do Claude Code em voz alta, por ganchos (hooks). Tem quatro motores: Chatterbox, Qwen3-TTS, Kokoro e a voz do Windows | Nada. Cada motor tem o seu ambiente |
chatterbox-rapido/ |
Decodificação da Chatterbox com KV-cache estático e CUDA graphs: de 1,5× para 4,7× o tempo real, com o mesmo áudio | Só da Chatterbox. Com o leitor, liga com "chatterboxRapido": true |
qwen-rapido/ |
O mesmo para a Qwen3-TTS: de 0,5× para 3,8× numa frase e 14,5× num lote de 6 | Só da Qwen3-TTS. Com o leitor, liga com "qwenRapido": true |
ouvido/ |
Escuta o microfone e envia o que você fala depois de "Claude, ...". Funciona numa sessão de terminal (canal MCP) ou no app desktop | Terminal: nada. Modo app: os entregadores da barra |
barra/ |
Botões e barra lateral para ligar e desligar a conversa, a leitura e o microfone, mais os entregadores para o app desktop | Do leitor e do ouvido |
- Tudo roda no PC. Nenhum texto ou áudio sai da máquina. A única exceção é o motor "app" do ouvido, que usa o ditado do próprio app e manda o áudio para a Anthropic.
- Chatterbox 3,1× mais rápida:
- de 1,49× para 4,67× o tempo real;
- de 24 para 6,6 ms por token;
- o primeiro som sai em 0,6–1,1 s.
- Com a mesma semente, o áudio sai idêntico ao original.
- Qwen3-TTS 7× mais rápida:
- de ~150 para 19 ms por quadro de 80 ms;
- o sorteio e o code predictor fazem exatamente as mesmas contas que o original;
- a primeira frase começa a tocar ~0,5 s depois do pedido.
Medido numa RTX 4070 Ti SUPER (16 GB).
Todas as peças vão para a pasta %USERPROFILE%\.claude\voz\:
| No repositório | Na máquina |
|---|---|
leitor\* |
voz\ (o leitor\qwen\instalar.ps1 vai para voz\qwen\) |
chatterbox-rapido\chatterbox_rapido.py e chatterbox-rapido\testes\ |
voz\ e voz\chatterbox\testes\ |
qwen-rapido\qwen_rapido.py e qwen-rapido\testes\ |
voz\ e voz\qwen\testes\ |
ouvido\* |
voz\ |
barra\botoes\* |
voz\botoes\ |
Os detalhes de cada peça estão no README dela.
- Requer Windows 10/11 e PowerShell 5.1.
- A Chatterbox, a Qwen e o Whisper pedem uma placa NVIDIA com CUDA.
- O Kokoro e a voz do Windows rodam na CPU.