Cursor在11月6日公布Voice Chat。它让语音侧与编程任务并行：语音Agent负责听取要求、回答进度，当前聊天里的编程Agent负责修改代码，仍使用原来选择的模型。以下依据官方文档说明，未作通话实测。

　　图：Cursor官方发布说明节选，用于说明功能入口与任务分工。

区别：听写得到文字，通话得到语音回应

观察点	听写 Dictation	Voice Chat
输入后的结果	输入框中的文字，由用户检查发送	语音回应，涉及代码时转交编程Agent
任务运行期间	输入下一条文字	继续询问进度、差异与历史
界面入口	麦克风	Start voice chat波形按钮

　　例如调整一个个人读书清单页面：听写是先把“卡片改成两列”转换成文字再发送；通话则由语音侧转交要求，并在编程任务运行时回答“窄屏会怎样显示”。这是职责示例，并非本文已生成的页面。

机制：语音通道与代码执行分开

　　一次请求沿这条路径流转：用户语音 → Grok Voice听取与回应 → 当前编程Agent执行 → 进度与结果回到通话。语音侧可以只读查询diff、运行状态和历史，代码修改由编程Agent处理。

　　下达动作时，应明确对象与结果，例如“只改卡片布局，桌面两列、窄屏一列”。查询状态时，应直接问“改了哪些文件、还有什么没完成”。这有助于区分解释请求与新的修改要求。

　　语音适合澄清和追问。精确路径、配置值和需要留存的长需求，仍适合用文字；判断完成与否也应打开页面或文件检查，不能只听一句完成通知。

操作：按钮出现需要哪些条件

1. 打开Agent聊天；IDE中需要至少已有一条消息。
2. 等Agent空闲，清空输入框；发送按钮所在位置会出现Start voice chat波形按钮，运行时可能显示Stop。
3. 允许系统或浏览器使用麦克风。旁边的麦克风按钮对应听写，不是通话。
4. 提交一个小范围要求，观察通话文字记录与实际修改是否一致。

　　官方支持Agents Window、IDE、网页与iOS。仅以API Key认证的会话不能发起通话，需要账号登录；通话也有每日限制，具体恢复时间由界面提示。

排障：先分清入口问题与任务问题

现象	先检查什么	应看到的变化
找不到波形按钮	Agent是否空闲、输入框是否为空、IDE聊天是否已有消息	空闲且输入框为空时显示入口
Realtime voice requires sign-in	当前是否只使用API Key认证	账号登录满足要求后再尝试连接
Microphone blocked	系统、浏览器或应用的麦克风权限	权限恢复后重新发起通话
能通话，但修改结果不对	编程Agent收到的具体要求与最终文件	要求、修改与页面表现对应

　　更换编程模型不会直接解决登录或麦克风权限问题。语音是否自然，与代码任务是否正确完成，也需要分别判断。

　　资料出处：Cursor《Voice chat》使用文档与2026年11月6日语音聊天发布说明。