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.
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 | Nichts, im Browser (nur Zwischenablage); oder die App herunterladen — für die lokale Nutzung ist kein Schlüssel nötig | Nichts, es ist schon da |
| Braucht Internet | Nein, mit den lokalen Engines (Whistle, Parakeet); ja mit einem Cloud-Anbieter | 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 | Nur Fluid Dictation auf Copilot+ PCs (Englisch) |
| Durchsuchbarer Verlauf | Ja, lokal gespeichert, und auf Wunsch zwischen deinen Computern synchronisiert | Nein |
| Persönliches Wörterbuch | Ja | Nein |
| Bestehende Dateien transkribieren | Ja | Nein |
| Linux | Ja | Nein, es ist eine Windows-Funktion |
| Updates | Automatisch im Leerlauf (abschaltbar) | Mit Windows |
| KI-Sprachbefehle | Ja — sag einfach "Vito, …" | Nein |
Geprüft anhand Microsofts eigener Dokumentation im Oktober 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 erreicht ihn ganz. Vito im Browser kommt am nächsten heran — nichts zu installieren, kein Konto —, aber dort landet der Text in deiner Zwischenablage statt in der App, die du gerade benutzt, und sein Tastenkürzel funktioniert nur, solange der Tab den Fokus hat. Win+H tippt direkt dorthin, wo der Cursor ist. 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 hält sich inzwischen ebenfalls selbst auf dem neuesten Stand und installiert neue Versionen, sobald du ein paar Minuten nicht diktiert hast, aber es ist immer noch 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 lokale STT mit Kontrolle über den fertigen Text
Vito installiert und verwaltet zwei lokale Engines für private Transkription ohne Nutzungskosten, die kein Internet braucht: Parakeet in 25 Sprachen und Whistle, 18 MB in sieben Sprachen, wobei der Text live erscheint, während du sprichst. Die Windows-Spracheingabe braucht eine Internetverbindung. Vito kann sich außerdem mit jedem lokalen oder entfernten OpenAI-kompatiblen STT-Endpunkt verbinden. Die Bereinigung bietet fünf eingebaute Stile — darunter Business, Verbatim und Notizen — dazu eigene Prompts und Unterstützung für lokale OpenAI-kompatible Modelle.
Nichts verlässt deinen Computer. Kein Konto, keine Nutzungskosten.Deine Aufnahme geht an den Anbieter, den du gewählt hast, und sonst nirgendwohin – kein Vito-Server dazwischen.
Du willst den Text fertig, nicht transkribiert
Das ist der ganze Unterschied. Windows schreibt größtenteils auf, was du gesagt hast; auf Copilot+ PCs räumt eine optionale „Fluid Dictation“ außerdem Grammatik, Zeichensetzung und Füllwörter auf, auf Englisch. 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. Und du entscheidest, wie dieser Durchlauf arbeitet — fünf Stile, deine eigenen Prompts und jedes OpenAI-kompatible Modell, inklusive eines lokalen auf deiner eigenen Maschine —, wo Windows eine einzige eingebaute Aufräumfunktion bietet, und die nur auf Copilot+ PCs.
Du willst finden, was du letzte Woche diktiert hast
Vito behält jedes Diktat lokal und macht es per Volltext durchsuchbar, mit der Aufnahme daneben, und Vito Sync kann diesen Verlauf auf all deinen Computern gleich halten, über einen Ordner, den deine eigene Sync-App ohnehin abgleicht. 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, 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.
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 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? Win+H — oder probier Vito in deinem Browser, wenn dir die Zwischenablage reicht. Willst du null Nutzungskosten mit besserer Bereinigung? Das kann Vito lokal.
- Kein Internet, oder eine Verbindung, auf die du dich nicht verlassen kannst? Vito, mit einer lokalen Engine. Win+H braucht eine Verbindung.