Vitos Anbieter auswählen

Vito ist kostenlos und hat kein eigenes Konto. Mit dem, was Sie sagen, passieren zwei Dinge — etwas hört zu, und etwas räumt die gehörten Wörter auf — und für jede Hälfte entscheiden Sie, wer die Arbeit macht: Ihr eigener Rechner oder ein Anbieter, dessen Schlüssel Sie selbst halten. Seit 2026.9 braucht keine der beiden Hälften noch einen Schlüssel.

Diese Seite ist die Landkarte. Jede Option, die Vito nutzen kann, was sie kostet, was sie von Ihnen verlangt und worin sie gut und weniger gut ist — und für die vier Anbieter, die tatsächlich einen Schlüssel brauchen, jeweils eine eigene Schritt-für-Schritt-Anleitung.

Die zwei Hälften

Die zuhörende Hälfte macht aus Ihrer Stimme Wörter. Genauigkeit, die Sprachen, in denen Sie diktieren können, und die Wartezeit bis zum Text entscheiden sich hier. Die aufräumende Hälfte macht aus diesen Wörtern Text, den man abschicken kann: Füllwörter weg, Sätze repariert, Zeilenumbrüche dort, wo Sie sie verlangt haben. Das ist der Unterschied zwischen Diktat und dem Protokoll einer sprechenden Person.

Beide Hälften sind unabhängig. Lokal zuhören und in der Cloud aufräumen ist genauso in Ordnung wie umgekehrt — entscheiden Sie jede Hälfte für sich.

Die zuhörende Hälfte

Vito lokal (Parakeet) Lokal Keine Nutzungskosten

Auf Ihrem Rechner · kein Konto, kein Schlüssel · 25 europäische Sprachen · einmaliger Download von rund 900 MB

Vito installiert und betreibt die Engine selbst: in den Einstellungen → Spracherkennung auswählen, einmal auf Installieren drücken, und das ist die ganze Einrichtung. Darunter steckt parakeet.cpp mit NVIDIAs Parakeet TDT 0.6B v3; Vito lädt einen festgelegten Build und das Modell, prüft beides gegen Hashes aus dem Release und lässt die Engine nur laufen, solange diese Karte ausgewählt ist.

• Dafür: nirgends anmelden, nie bezahlen, und kein Ton verlässt Ihren Rechner. Schnell ist es außerdem — auf einem Desktop mit 12 Kernen braucht ein 13-Sekunden-Diktat etwa 1,2 s auf der CPU und 0,25 s mit dem Vulkan-GPU-Build. Die Sprache wird automatisch erkannt.
• Dagegen: 25 europäische Sprachen statt 60, rund 1 GB Arbeitsspeicher im Betrieb und 0,9 GB auf der Platte, und die Arbeit landet auf Ihrem eigenen Prozessor — spürbar auf einem dünnen Laptop und am Akku. Es gibt kein Live-Transkript: der Text kommt, wenn Sie aufhören zu sprechen. Keyterms nutzt diese Engine nicht, Ihre eigenen Korrekturen dagegen schon.

Jeder OpenAI-kompatible Endpunkt Lokal oder extern

Ihr eigener Server oder ein gehosteter · eine Basis-URL und ein Schlüssel nur, wenn der Endpunkt einen will · Kosten und Sprachen sind das, was hinter der URL steckt

Geben Sie Vito eine Basis-URL, und es spricht mit dem, was antwortet: whisper-server, Speaches oder LocalAI auf Ihrem Rechner oder gehostetes Whisper bei Groq und OpenAI. Vito findet whisper-server auf seinem eigenen /inference-Pfad, passt das Encoder-Fenster an die tatsächliche Aufnahme an — das brachte einen 13-Sekunden-Clip auf der CPU von 9,0 s auf 4,1 s — und fügt die Segmente von whisper.cpp wieder zu einer Zeile zusammen, statt dessen Zeilenumbrüche in Ihr Dokument zu tippen.

• Dafür: die Hintertür. Jede Engine, die Sie wollen, auf Hardware Ihrer Wahl — auch ein Rechner in Ihrem Netz, der die Arbeit für einen Laptop übernimmt, der lieber nicht möchte.
• Dagegen: Sie betreiben oder wählen den Server, und Genauigkeit, Tempo und Sprachabdeckung sind seine Sache, nicht Vitos. Whisper kodiert immer 30 Sekunden Audio, bei gehostetem Whisper kann ein Zwei-Sekunden-Diktat also so viel kosten wie ein langes.

Soniox Empfohlen

Ihre Server · Ihr eigener Schlüssel · 60 Sprachen · 0,10–0,12 $ pro Stunde, ihr Listenpreis

Die breiteste Sprachabdeckung und die günstigste Cloud-Engine im Betrieb — deshalb empfehlen wir sie, und darauf beruht auch die Angabe von 0,15 € pro Stunde auf der Startseite.

• Dafür: alle 60 Diktiersprachen, ein Live-Transkript und keinerlei Last auf Ihrem Rechner — genau der Grund, überhaupt zur Cloud zu greifen.
• Dagegen: es ist Prepaid, es muss also Guthaben da sein, bevor etwas passiert, und ob neue Konten Testguthaben bekommen, sagt Soniox auf seiner Preisseite nicht. Ihr Ton geht auf deren Server.

AssemblyAI Gratis-Startguthaben

Ihre Server · Ihr eigener Schlüssel · 50 $ Gratisguthaben bei der Anmeldung, ohne Karte · danach 0,15–0,45 $ pro Stunde

Der einfachste Cloud-Start: Vito läuft, bevor Sie eine Zahlungsangabe herausgeben, und ein Wechsel später ist eine Frage eines anderen eingefügten Schlüssels.

• Dafür: Guthaben im Voraus, keine Karte verlangt, und eine zweite Engine als Rückfallebene, wenn ein Transkript daneben geht.
• Dagegen: teurer pro Stunde als Soniox, sobald das Guthaben weg ist, und Ihr Ton geht auf deren Server.

Die aufräumende Hälfte

Was Sie auch wählen, die Regeln gehören Ihnen: fünf eingebaute Sätze — Vito-Standard, Wortgetreu, Geschäftlich, Notizen und Nachrichten — und Ihre eigenen darüber hinaus. Vito hängt an den jeweils aktiven Satz einen festen Ausgabevertrag, sodass ein Regelsatz zwar ändern kann, was die Bereinigung tut, aber niemals dazu führen kann, dass Kommentare an Ihrem Cursor landen.

Ein lokales Modell Lokal Keine Nutzungskosten

Auf Ihrem Rechner · ein OpenAI-kompatibler Server wie Ollama oder LocalAI · kein Konto, kein Schlüssel

• Dafür: kostenlos, offline, und nichts von dem, was Sie diktieren, verlässt den Rechner. Zusammen mit lokalem Parakeet ist das ein Vito ganz ohne Konto und ohne jede Rechnung.
• Dagegen: Sie brauchen einen Rechner, der ein ordentliches Modell tragen kann, und die Bereinigung ist nur so gut wie das Modell, das Sie ihr geben. Auf einem bescheidenen Laptop ist das die langsamste der vier Optionen.

Groq Empfohlen Kostenlose Stufe

Ihre Server · Ihr eigener Schlüssel · eine wirklich kostenlose Stufe, ohne Karte

• Dafür: keine Kosten, keine Karte, und schnell genug, dass nicht die Bereinigung das ist, worauf Sie warten. Nach eigenen Bedingungen trainiert Groq nicht mit dem, was Sie senden, und bietet zusätzlich eine Einstellung ohne Speicherung.
• Dagegen: die kostenlose Stufe ist gedeckelt statt abgerechnet, ein sehr langer Diktattag kann also an ein Limit stoßen — und eine kostenlose Stufe kann der Anbieter jederzeit ändern. Ihr Text geht auf deren Server.

Anthropic (Claude) Spitzenklasse

Ihre Server · Ihr eigener Schlüssel · Prepaid-Guthaben, keine kostenlose Stufe

• Dafür: das Beste hier, wenn es darum geht, aus einem Transkript Text zu machen — und das, was Sie Vito Assist geben, wenn die gesprochenen Antworten etwas taugen sollen.
• Dagegen: es kostet ab dem ersten Diktat Geld, und ein Konto ohne Guthaben meldet sich als verwirrender Fehler statt als leeres Konto.

Jeder andere OpenAI-kompatible Anbieter

Eine Basis-URL und ein Schlüssel · die eigenen Modelle und Preise dieses Anbieters

• Dafür: wenn Sie ohnehin schon jemandem Tokens bezahlen, kann Vito sie nutzen. Die Kostenkarte folgt dem Modell, das Sie tatsächlich ausgewählt haben — die Schätzung ist also keine Vermutung auf Basis des billigsten.
• Dagegen: Sie wählen das Modell und leben damit. Wenn eines Tausende Tokens ins Nachdenken steckt und nichts zurückgibt, ist der Thinking-Schalter die Lösung, nicht ein größeres Token-Budget.

Drei Aufstellungen, die Sinn ergeben

• Nirgends anmelden. Lokales Parakeet und ein lokales Modell. Kein Konto, nirgends, keine Nutzungskosten, und weder Ihr Ton noch Ihr Text verlässt den Rechner. Der Preis ist die Last auf Ihrem Computer und 25 Sprachen statt 60.
• Kostenlos, mit der Arbeit anderswo. Das Gratis-Startguthaben von AssemblyAI fürs Zuhören, die kostenlose Stufe von Groq fürs Aufräumen. Keines von beiden verlangt eine Karte, Ihr Rechner bleibt ruhig, und Sie diktieren in zehn Minuten. Das Guthaben geht irgendwann zur Neige.
• Das beste Ergebnis. Soniox zum Zuhören, Claude zum Aufräumen, für rund 0,15 € pro Stunde Sprache, alles zusammen. 60 Sprachen, ein Live-Transkript und der sauberste Text aller Kombinationen hier.

Bevor Sie anfangen

Ein paar Dinge, die sich zu wissen lohnen, welchen Weg Sie auch gehen:

• Sie kommen bis zum Diktieren, ohne zu bezahlen oder sich irgendwo anzumelden. Das ist der lokale Weg oben. Soll die Cloud die Arbeit machen, bringen Sie das Startguthaben von AssemblyAI und die kostenlose Stufe von Groq auch ohne Karte dorthin.
• Die bezahlten sind Prepaid. Soniox und Anthropic brauchen Guthaben, bevor sie etwas tun. Ein paar Euro sind eine Menge Diktat, aber null ist null, und ein leeres Konto meldet sich als verwirrender Fehler statt als leeres Konto.
• Wenn Sie eine Karte hinterlegen, setzen Sie gleich ein Ausgabenlimit. Das dauert eine Minute und ist das Einzige, was zwischen einem Versehen und Ihrem Guthaben steht. (Kostenlose Stufen und lokale Modelle können keine Rechnung auflaufen lassen, da gibt es nichts zu deckeln.)
• Ein Schlüssel ist ein Passwort. Wer ihn hat, gibt Ihr Geld aus — oder verbraucht Ihr Freikontingent. Jede Anleitung erklärt, wie Sie richtig darauf aufpassen.
• Nichts davon ist endgültig. Jede Option ist eine eigene Karte unter Einstellungen → Spracherkennung, und wechseln heißt, eine andere auszuwählen. Lokal anfangen und später einen Schlüssel ergänzen — oder umgekehrt — kostet Sie nichts.