Vito vs Handy

Handy ist das, was einem Geschwister auf dieser Seite am nächsten kommt: kostenlos, MIT-lizenziert, plattformübergreifend, und es läuft auf Linux. Rund 33.000 Leute haben ihm auf GitHub einen Stern gegeben, was viel ist, und verdient. Beide können die Spracherkennung auf deinem Computer halten: Handy bietet einen Katalog von rund 80 lokalen Modellen, von Whisper bis Parakeet, während Vito zwei lokale Engines selbst verwaltet — Parakeet und das viel leichtere Whistle — und dich außerdem lokale oder entfernte OpenAI-kompatible Endpunkte wählen lässt.

Auf einen Blick

Geprüft anhand von handy.computer und ihrem Repository und ihrer Seite zur Fehlerbehebung im Oktober 2026.

Wo Handy die bessere Wahl ist

Deine Sprache verlässt deinen Computer nie, per Design

"Deine Stimme bleibt auf deinem Computer", wie sie es formulieren, und für die Sprache ist es buchstäblich wahr – jedes Modell, das Handy anbietet, läuft lokal, und es gibt überhaupt keinen Transkriptionsanbieter im Bild. Seine optionale KI-Nachbearbeitung kann mit deinem eigenen Schlüssel einen Anbieter aufrufen, bleibt aber aus, solange du sie nicht einschaltest, und ein lokales Ollama geht auch. Vito gibt dieselbe Garantie, sobald du Whistle oder Parakeet und ein lokales Bereinigungsmodell wählst; bei Handy gibt es schlicht keine Cloud-Transkription, die man aus Versehen wählen könnte.

Eine große Auswahl an lokalen Modellen

Hier hat Handy sich still nach vorn geschoben. Es dreht sich nicht mehr nur um Whisper: Es bietet einen Katalog von rund 80 lokalen Modellen — darunter Parakeet V2 und V3, Canary, Moonshine, Whisper in seinen verschiedenen Größen und Streaming-Modelle — und empfiehlt Parakeet V3 als das stabilste. Probierst du gern Modelle aus und behältst das, das zu deiner Stimme, deiner Sprache und deiner Maschine passt, gibt dir Handy viel mehr Spielraum. Vito bietet bewusst zwei lokale Engines, Parakeet und Whistle, und verwaltet sie für dich; alles andere läuft über einen OpenAI-kompatiblen Endpunkt, den du selbst betreibst.

Es ist kostenlos ohne Sternchen

Keines der beiden Werkzeuge braucht ein Anbieterkonto oder Nutzungsgebühren, wenn es lokal läuft. Handy macht das per Design; Vito kombiniert Whistle oder Parakeet mit einem optionalen lokalen Bereinigungsmodell und lässt dich trotzdem entfernte Anbieter wählen, wenn geringere Systemlast oder breitere Sprachunterstützung zählt.

Nichts einzurichten

Herunterladen, ein Modell wählen, diktieren — und mit Homebrew oder winget ist sogar der Download ein einziger Befehl. Keine API-Schlüssel, keine Zahlungsmethode, keine Konten. Vitos verwaltete lokale Engines funktionieren genauso, und seine Browserversion braucht überhaupt keine Installation, auch wenn der Text dort in deiner Zwischenablage landet; Vitos Bereinigungs- und Endpunkt-Optionen bringen allerdings mehr Einstellungen mit.

Wo Vito die bessere Wahl ist

Du willst lokale Verarbeitung mit mehr Kontrolle über das Ergebnis

Vito installiert und verwaltet zwei lokale Engines: Parakeet, in 25 europäischen Sprachen, und Whistle, ein Download von 18 MB in sieben Sprachen, das den Text zeigt, während du sprichst. Es verbindet sich außerdem mit jedem lokalen oder entfernten OpenAI-kompatiblen Transkriptions-Endpunkt. Seine KI-Bereinigung bietet fünf eingebaute Stile — darunter Business, Verbatim und Notizen — und lässt dich den Prompt selbst schreiben. Ein lokales Bereinigungsmodell hält auch diesen Schritt privat.

Dein Computer muss nicht schnell sein

Das ist der ehrliche Handel und es lohnt sich, konkret zu sein. Alles, was Handy tut, läuft auf deinem eigenen Prozessor oder deiner Grafikkarte, wie schnell es sich anfühlt, hängt also vom gewählten Modell und von der Maschine ab, auf der du es ausführst. Auf einem leistungsfähigen Computer fliegt es; auf einem älteren musst du dich vielleicht mit einem leichteren Modell begnügen oder langsames Diktat hinnehmen.

Vito gibt dir zwei Wege darum herum. Mit einem Cloud-Anbieter geschieht der schwere Teil anderswo: Ein acht Jahre alter Laptop bekommt dieselbe Geschwindigkeit und Genauigkeit wie eine neue Workstation, dein Prozessor bleibt frei, während du diktierst, und der Lüfter bleibt leise. Lokal ist Whistle leicht — 18 MB, mit Live-Text —, während Parakeet etwa 1 GB Arbeitsspeicher will und den Text zeigt, sobald du aufhörst. Du wählst zwischen geringer Systemlast und null Nutzungsgebühren, und du kannst es dir später anders überlegen.

Der Text kommt fertig heraus, nicht nur präzise

Handy transkribiert, und es kann das Ergebnis inzwischen optional durch ein Sprachmodell schicken — eine experimentelle Funktion, standardmäßig aus, mit deinem eigenen Schlüssel oder einem lokalen Ollama —, neben dem Entfernen von Füllwörtern ohne KI. In Vito ist dieser zweite KI-Durchlauf der Kern des Produkts: eingebaut, standardmäßig an, sobald ein Bereinigungsmodell eingestellt ist, mit fünf Stilen und deinen eigenen Prompts. Er entfernt das Zögern, baut den ausgeschweiften Satz um, fügt die Zeilenumbrüche hinzu, um die du gebeten hast, und verwandelt "Daumen hoch" in 👍. Das ist eine andere Produktentscheidung statt einer besseren; willst du nur die rohen Wörter, liefert Handy standardmäßig genau das. Die Bereinigung braucht ein Modell, und das kann ein lokales OpenAI-kompatibles sein statt eines zweiten Schlüssels.

Ob es gut funktioniert, liegt nicht wirklich an dir

Das Modell lokal auszuführen ist Handys beste Funktion und auch sein schwierigster Teil, und ihre eigene Dokumentation ist offen darüber. Die Seite zur Fehlerbehebung behandelt abstürzendes Whisper, langsame Transkription, ein nicht gefundenes Mikrofon, nicht herunterladbare Modelle, eine fehlende vulkan-1.dll auf Windows, ein leeres Fenster auf Linux, ein Overlay, das den Fokus stiehlt, Wayland, das Zusatzkonfiguration braucht, und einen GLIBC-Fehler aus dem AppImage. Macht ein Modell Ärger, verweisen sie dich auf Parakeet V3 als die stabilste Wahl.

Nichts davon ist Nachlässigkeit – es ist, wie es wirklich aussieht, lokale Inferenz über drei Betriebssysteme auszuliefern, mit Dutzenden Modellen zur Auswahl, und dass sie es so offen dokumentieren, sagt Gutes über das Projekt. Aber es heißt, dass die Erfahrung von Maschine zu Maschine variiert, und die Kombination aus Modell, Treibern und Einstellungen zu finden, die auf deinem Computer schön läuft, kann etwas Suche sein. Vito verkleinert diese Suche. Mit einem Cloud-Anbieter läuft das Modell gar nicht auf deiner Maschine, es verhält sich also überall gleich. Lokal bietet Vito zwei Engines statt Dutzender und installiert von jeder selbst einen festgelegten Build, es gibt also weniger zu wählen und weniger, das schiefgehen kann — wobei ein lokales Modell auf einer alten Maschine immer noch ein lokales Modell auf einer alten Maschine ist.

Die Oberfläche spricht deine Sprache

Vitos eigene Oberfläche ist in 60 Sprachen verfügbar, nicht nur sein Diktat. Handy liefert 26, was deutlich mehr ist, als sich die meisten Projekte seiner Größe die Mühe machen.

Frag die KI per Stimme — Handy hat keine Sprachbefehle

Handy verwandelt Sprache in Text — aufgeräumt, wenn du seine Nachbearbeitung einschaltest — und hört da auf. Vitos Vito Assist verwandelt Sprache in eine Anweisung: "Vito, übersetze das ins Deutsche", "Vito, was ist die Hauptstadt von Frankreich?", "Vito, 15 % von 240?" – Übersetzungen, Antworten, Rechnen und Definitionen, so leicht gesprochen wie ein Diktat und an Ort und Stelle zurückgegeben. Willst du, dass deine Diktier-App auch Fragen beantwortet, tut Handy das nicht, und Vito schon.

Es macht ziemlich Spaß

Eine kleine Sache, und wir tun nicht so, als würde sie irgendetwas entscheiden. Vito zählt mit, auf einem Dashboard, das du selbst zusammenstellst: diktierte Wörter, Stunden Tippen, die du dir gespart hast, ein Diagramm deiner Woche, ein Kalender der letzten sechs Monate und eine Serie von Tagen am Stück — knack deinen Rekord, und die Karte feiert mit. Vito selbst, das Logo mit Gesicht, plaudert mit, während du diktierst. Es gibt über 50 Erfolge zum Freischalten unterwegs, manche albern, einige versteckt.

Es stellt sich heraus, dass es mehr ausmacht, als es klingt. Diktieren statt Tippen ist eine Gewohnheit, die man sich aufbauen muss, und die erste Woche ist der unbeholfene Teil – "1 Std. 38 Min. Tippen gespart" zu sehen ist ein Anstoß weiterzumachen, den dir ein leeres Fenster nicht gibt. Klingt das für dich nach einer Spielerei? Ignoriere es getrost völlig; nichts hängt davon ab.

Was beide tun

Beide sind quelloffen und MIT-lizenziert, beide kostenlos herunterzuladen, beide laufen auf Windows, macOS und Linux, und beide funktionieren gleich: ein Tastenkürzel, du sprichst, der Text landet dort, wo dein Cursor ist. Beide können die ganze Arbeit auf deinem eigenen Computer erledigen, ohne Konto und ohne dass Audio ihn verlässt. Beide sind jung, aktiv in der Öffentlichkeit entwickelt, und du kannst jede Zeile von beiden lesen. Willst du die größte Auswahl an lokalen Modellen in einem schlanken Werkzeug, das dir nicht im Weg steht, ist Handy das Projekt, auf das wir dich verweisen würden – und dieser Vergleich existiert, um dir bei der Wahl zu helfen, nicht um dich davon abzubringen.

Also welches von beiden

• Audio darf die Maschine nie verlassen, oder kein Internet? Beide können das; Handy bietet weit mehr lokale Modelle.
• Willst du viele lokale Modelle ausprobieren und das beste behalten? Handy.
• Älterer oder leistungsschwächerer Computer? Vito, mit einem Cloud-Anbieter oder dem leichten Whistle.
• Willst du, dass der Text schon aufgeräumt ankommt? Vito.
• Willst du KI-Sprachbefehle? Vito.
• Auf einem Mac? Beide — entscheide nach der Abwägung oben, nicht nach der Plattform.
• Willst du, dass es buchstäblich nichts kostet? Beide; beide können lokal ohne Nutzungsgebühren laufen.