Vito vs Windows-Spracheingabe
Jede Windows-Maschine hat schon Diktieren an Bord. Drücke
Windows + H mit dem Cursor in einem Textfeld und es beginnt zuzuhören,
kostenlos, ohne etwas zu installieren. Bevor wir irgendetwas anderes empfehlen, ist
das Ehrliche, dir zu sagen, wann das alles ist, was du brauchst – denn für eine
ganze Reihe von Leuten ist es das wirklich.
Lokal, remote oder beides.
Es ist kein API-Schlüssel erforderlich. Vito kann Parakeet für privates, kostenloses Speech-to-Text auf Ihrem eigenen Computer installieren und verwalten. Oder bringen Sie Ihren eigenen Schlüssel mit und verbinden Sie sich direkt mit einem Cloud-Anbieter. OpenAI-kompatible Endpunkte bieten Ihnen die gleiche Freiheit sowohl bei der Transkription als auch bei der Bereinigung – einschließlich lokaler Whisper-, Parakeet- und LLM-Server.
Wählen Sie einen von fünf Bereinigungsstilen – darunter „Business“, „Verbatim“ und „Notizen“ – oder schreiben Sie Ihre eigene Eingabeaufforderung. Vito fügt das Ergebnis an der Stelle ein, an der Sie es eingegeben haben.
Vito ist kostenlos und erfordert kein Abonnement. Führen Sie Speech-to-Text lokal mit Parakeet aus und verwenden Sie ein lokales OpenAI-kompatibles Modell für die Bereinigung ohne Nutzungsgebühren. Bevorzugen Sie weniger Systemlast oder mehr Sprachen? Wählen Sie BYOK; Typische Cloud-Anbieter kosten etwa 0,15 € pro Stunde.
Auf einen Blick
| Vito | Windows-Spracheingabe | |
|---|---|---|
| Kosten | Kostenlose App; lokal 0 €, mit üblichen Cloud-Anbietern etwa 0,15 €/Stunde | Kostenlos, Teil von Windows |
| Zu installieren | Download; für die lokale Nutzung ist kein Schlüssel nötig | Nichts, es ist schon da |
| Braucht Internet | Ja | Ja |
| Funktioniert in jeder App | Ja | Ja, wo der Cursor ist |
| Zeichensetzung | Automatisch | Automatisch oder diktiert |
| Schreibt um, was du gesagt hast | Ja — Füllwörter raus, Sätze repariert | Nein, es transkribiert |
| Durchsuchbarer Verlauf | Ja, lokal gespeichert | Nein |
| Persönliches Wörterbuch | Ja | Nein |
| Bestehende Dateien transkribieren | Ja | Nein |
| Linux | Ja | Nein, es ist eine Windows-Funktion |
| KI-Sprachbefehle | Ja — sag einfach "Vito, …" | Nein |
Geprüft anhand Microsofts eigener Dokumentation im Juli 2026.
Wo die Windows-Spracheingabe die bessere Wahl ist
Sie ist schon installiert und kostet nichts
Kein Download, kein Konto, kein Schlüssel, kein Guthaben, keine Entscheidung. Das ist ein echter Vorteil und keine Drittanbieter-App kann ihn erreichen. Wenn du gelegentlich eine Nachricht diktierst und es gut genug funktioniert, ist etwas anderes zu installieren Aufwand, den du dir nicht antun musstest.
Du fügst lieber kein weiteres bewegliches Teil hinzu
Sie wird von Microsoft gepflegt, aktualisiert sich mit Windows und kann nicht von einem kleinen Projekt aufgegeben werden. Vito ist eine junge App auf GitHub, was eine andere Art von Wette ist.
Du diktierst kurze Dinge
Für einen Satz in einem Chatfenster oder einer Suchleiste ist Transkription alles, was du brauchst, und die zusätzliche Schicht, die Vito hinzufügt, hat nichts zu tun. Wo Vito sich seinen Platz verdient, ist längerer Text.
Wo Vito die bessere Wahl ist
Du willst den Text fertig, nicht transkribiert
Das ist der ganze Unterschied. Windows schreibt auf, was du gesagt hast. Sprache ist voller Fehlstarts, "Ähs", auf halbem Weg abgebrochener und neu begonnener Sätze und Ideen, die in der falschen Reihenfolge ankommen – eine exakte Abschrift von Sprache liest sich also weiterhin wie Sprache, und du bearbeitest sie am Ende von Hand. Vito schickt die Abschrift zuerst durch einen zweiten KI-Durchlauf: Füllwörter entfernt, der gemeinte Satz rekonstruiert, Absätze, wo du danach gefragt hast, gesprochene Emoji in Emoji verwandelt. Für einen Absatz ist es eine Nettigkeit. Für eine E-Mail ist es der Unterschied zwischen Diktieren und Tippen. Du wählst außerdem, welche KI diesen Durchlauf macht – jedes OpenAI-kompatible Modell, inklusive eines lokalen auf deiner eigenen Maschine, wo Windows dir überhaupt kein Mitspracherecht gibt.
Du willst finden, was du letzte Woche diktiert hast
Vito behält jedes Diktat lokal und macht es per Volltext durchsuchbar, mit der Aufnahme daneben. Die Windows-Spracheingabe behält nichts, sobald der Text im Feld ist.
Sie macht deine Fachbegriffe immer wieder falsch
Vito hat ein persönliches Wörterbuch: Bring ihm die Namen deiner Kollegen, deine Projektnamen, den Jargon bei, den es verstümmelt, und es wendet die Korrektur von da an an.
Du bist auf Linux
Nicht auf die Windows-Spracheingabe anwendbar, aus offensichtlichen Gründen, und erwähnenswert, weil viele Leute genau danach hierher kommen.
Frag die KI per Stimme, nicht nur diktieren
Die Windows-Spracheingabe schreibt auf, was du sagst. Vitos Vito Assist kann auf das, was du sagst, reagieren: "Vito, übersetze die Zwischenablage ins Spanische", "Vito, was ist die Hauptstadt von Frankreich?", "Vito, definiere 'allgegenwärtig'" – der Befehl geht an eine KI und die Antwort landet dort, wo dein Cursor ist, ohne dass zuvor etwas aktiviert werden müsste. Es ist der Unterschied zwischen einem Transkribierer und einem Assistenten.
Es macht ziemlich Spaß
Eine kleine Sache, und wir tun nicht so, als würde sie irgendetwas entscheiden. Vito zählt mit: diktierte Wörter, aufgeräumte Sätze, Stunden Tippen, die du dir gespart hast, ein Diagramm deiner Woche. 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.
Die ehrliche Zusammenfassung
Probier zuerst Win+H
Wirklich. Es kostet dich nichts und fünf Minuten, und wenn sich herausstellt, dass es genügt, hast du dir eine Einrichtung und kleine monatliche Kosten erspart. Komm wieder, wenn du merkst, dass du genauso lange die Abschrift aufräumst, wie du sie getippt hättest – das ist der Moment, für den Vito da ist, und nicht früher.
Also welches von beiden
- Der gelegentliche Satz in einem Chatfeld? Win+H. Installiere nichts.
- E-Mails, Dokumente, Notizen, den ganzen Tag? Vito.
- Müde davon, die Abschrift hinterher zu bearbeiten? Vito.
- Willst du durchsuchen, was du diktiert hast? Vito.
- Auf Linux? Vito, standardmäßig.
- Willst du null Einrichtung und null Kosten? Win+H.