Vito vs Handy

Handy es lo más parecido a un hermano en esta página: gratis, con licencia MIT, multiplataforma, y corre en Linux. Unas 33.000 personas le han dado una estrella en GitHub, que es mucho, y merecido. Los dos pueden mantener el reconocimiento de voz en tu ordenador: Handy ofrece un catálogo de unos 80 modelos locales, de Whisper a Parakeet, mientras que Vito gestiona él mismo dos motores locales —Parakeet y el mucho más ligero Whistle— y además te deja elegir endpoints compatibles con OpenAI, locales o remotos.

De un vistazo

Comprobado con handy.computer y su repositorio y su página de resolución de problemas en octubre de 2026.

Dónde Handy es la mejor opción

Tu voz nunca sale de tu ordenador, por diseño

"Tu voz se queda en tu ordenador", como lo plantean, y para la voz es literalmente cierto: todos los modelos que ofrece Handy corren en local, y no hay ningún proveedor de transcripción en el cuadro en absoluto. Su posprocesamiento opcional con IA puede llamar a un proveedor con tu propia clave, pero sigue desactivado a menos que lo actives, y también funciona con un Ollama local. Vito da la misma garantía en cuanto eliges Whistle o Parakeet y un modelo de pulido local; con Handy, sencillamente, no hay ninguna transcripción en la nube que elegir por error.

Una amplia variedad de modelos locales

Aquí es donde Handy se ha adelantado sin hacer ruido. Ya no gira solo en torno a Whisper: ofrece un catálogo de unos 80 modelos locales —entre ellos Parakeet V2 y V3, Canary, Moonshine, Whisper en sus distintos tamaños y modelos en streaming— y recomienda Parakeet V3 como el más estable. Si te gusta probar modelos y quedarte con el que mejor va con tu voz, tu idioma y tu máquina, Handy te da mucho más margen. Vito ofrece a propósito dos motores locales, Parakeet y Whistle, y los gestiona por ti; cualquier otro pasa por un endpoint compatible con OpenAI que montes tú mismo.

Es gratis sin asterisco

Ninguna de las dos herramientas necesita una cuenta de proveedor ni pagos por uso cuando se ejecuta en local. Handy lo hace por diseño; Vito combina Whistle o Parakeet con un modelo de pulido local opcional, y aun así te deja elegir proveedores remotos cuando importan una menor carga del sistema o más idiomas.

Nada que configurar

Descarga, elige un modelo, dicta; y con Homebrew o winget hasta la descarga es un solo comando. Sin claves de API, sin método de pago, sin cuentas. Los motores locales gestionados de Vito funcionan igual, y su versión para navegador no necesita instalación alguna, aunque ahí el texto acaba en tu portapapeles; las opciones de pulido y de endpoint de Vito sí añaden más ajustes.

Dónde Vito es la mejor opción

Quieres procesamiento local con más control sobre el resultado

Vito instala y gestiona dos motores locales: Parakeet, en 25 idiomas europeos, y Whistle, una descarga de 18 MB en siete idiomas que muestra el texto mientras hablas. También se conecta a cualquier endpoint de transcripción compatible con OpenAI, local o remoto. Su pulido con IA ofrece cinco estilos integrados —entre ellos Business, Verbatim y Notes— y te deja escribir tú mismo las instrucciones. Un modelo de pulido local mantiene privado también ese paso.

Tu ordenador no tiene que ser rápido

Este es el trato honesto y vale la pena ser específico. Todo lo que hace Handy corre en tu propio procesador o tarjeta gráfica, así que lo rápido que se sienta depende del modelo que elijas y de la máquina en la que lo ejecutes. En un ordenador capaz vuela; en uno más viejo puede que tengas que conformarte con un modelo más ligero, o aguantar un dictado lento.

Vito te da dos formas de sortearlo. Con un proveedor en la nube, la parte dura ocurre en otro sitio: un portátil de ocho años obtiene la misma velocidad y precisión que una estación de trabajo nueva, tu procesador se queda libre mientras dictas y el ventilador se mantiene callado. En local, Whistle es ligero —18 MB, con texto en directo—, mientras que Parakeet pide alrededor de 1 GB de memoria y muestra el texto cuando dejas de hablar. Eliges entre poca carga del sistema y cero tarifas de uso, y puedes cambiar de idea más adelante.

El texto sale acabado, no solo preciso

Handy transcribe, y ahora puede pasar opcionalmente el resultado por un modelo de lenguaje —una función experimental, desactivada por defecto, con tu propia clave o un Ollama local—, además de quitar muletillas sin IA. En Vito esa segunda ronda de IA es el núcleo del producto: integrada, activada por defecto en cuanto hay un modelo de pulido configurado, con cinco estilos y tus propias instrucciones. Quita las vacilaciones, reestructura la frase que divagaste, añade los saltos de línea que pediste y convierte "pulgar arriba" en 👍. Esa es una decisión de producto distinta más que una mejor; si solo quieres las palabras en bruto, eso es exactamente lo que Handy hace por defecto. El pulido necesita un modelo, que puede ser uno local compatible con OpenAI en lugar de una segunda clave.

Que funcione bien no depende realmente de ti

Ejecutar el modelo localmente es la mejor función de Handy y también su parte más difícil, y su propia documentación es franca al respecto. La página de resolución de problemas cubre que Whisper se cuelgue, que la transcripción vaya lenta, que no se encuentre el micrófono, que los modelos no se descarguen, una vulkan-1.dll ausente en Windows, una ventana en blanco en Linux, un overlay que roba el foco, Wayland que necesita configuración extra, y un error de GLIBC del AppImage. Cuando un modelo da problemas, te remiten a Parakeet V3 como la opción más estable.

Nada de eso es descuido: es lo que de verdad parece distribuir inferencia local en tres sistemas operativos, con decenas de modelos entre los que elegir, y el hecho de que lo documenten tan abiertamente dice cosas buenas del proyecto. Pero sí significa que la experiencia varía de máquina a máquina, y encontrar la combinación de modelo, controladores y ajustes que corra bien en tu ordenador puede ser algo de búsqueda. Vito acota esa búsqueda. Con un proveedor en la nube, el modelo no corre en tu máquina en absoluto, así que se comporta igual en todas partes. En local, Vito ofrece dos motores en lugar de decenas e instala él mismo una versión fijada de cada uno, así que hay menos que elegir y menos que pueda fallar; aunque un modelo local en una máquina vieja sigue siendo un modelo local en una máquina vieja.

La interfaz habla tu idioma

La propia interfaz de Vito está disponible en 60 idiomas, no solo su dictado. Handy trae 26, que es bastante más de lo que se molestan la mayoría de proyectos de su tamaño.

Pregúntale a la IA por voz — Handy no tiene comandos de voz

Handy convierte voz en texto —ordenado, si activas su posprocesamiento— y ahí se detiene. El Vito Assist de Vito convierte voz en una instrucción: "Vito, traduce esto al alemán", "Vito, ¿cuál es la capital de Francia?", "Vito, ¿el 15 % de 240?": traducciones, respuestas, cálculos y definiciones, dichos con la misma facilidad que un dictado y devueltos en el sitio. Si quieres que tu app de dictado también responda preguntas, Handy no lo hace, y Vito sí.

Es bastante divertido

Una cosa pequeña, y no vamos a fingir que decide nada. Vito lleva la cuenta en un panel que organizas a tu gusto: palabras dictadas, horas de tecleo que no tuviste que hacer, un gráfico de tu semana, un calendario de los últimos seis meses y una racha de días seguidos — supera tu récord y la tarjeta lo celebra. El propio Vito, el logo con cara, charla contigo mientras dictas. Hay más de 50 logros por desbloquear por el camino, algunos absurdos, varios ocultos.

Resulta que importa más de lo que parece. Dictar en lugar de teclear es un hábito que hay que construir, y la primera semana es la parte incómoda: ver "1 h 38 m de tecleo ahorrado" es un empujón para seguir que una ventana en blanco no te da. Si eso te suena a truco, ignóralo por completo; nada depende de ello.

Qué hacen ambos

Ambos son de código abierto y con licencia MIT, ambos gratis de descargar, ambos corren en Windows, macOS y Linux, y ambos funcionan igual: un atajo, hablas, el texto aterriza donde está tu cursor. Los dos pueden hacer todo el trabajo en tu propio ordenador, sin cuenta y sin que ningún audio salga de él. Ambos son jóvenes, desarrollados activamente en público, y puedes leer cada línea de cualquiera de los dos. Si quieres la mayor variedad de modelos locales en una herramienta ligera que no estorba, Handy es el proyecto al que te apuntaríamos, y esta comparación existe para ayudarte a elegir, no para disuadirte de él.

Así que cuál de los dos

• ¿El audio no debe salir nunca de la máquina, o no tienes internet? Cualquiera de los dos sirve; Handy ofrece muchos más modelos locales.
• ¿Quieres probar muchos modelos locales y quedarte con el mejor? Handy.
• ¿Ordenador más viejo o menos potente? Vito, con un proveedor en la nube o el ligero Whistle.
• ¿Quieres que el texto llegue ya ordenado? Vito.
• ¿Quieres comandos de IA por voz? Vito.
• ¿En un Mac? Cualquiera —decide por el equilibrio de arriba, no por la plataforma—.
• ¿Quieres que no cueste literalmente nada? Cualquiera; los dos pueden funcionar en local sin tarifas de uso.