Vito vs Voxtype

Voxtype es una herramienta de escritura por voz totalmente local, de pulsar para hablar, para Linux y macOS: gratis, de código abierto, y ejecuta el modelo de voz en tu propia máquina — sin nube, sin cuenta, sin coste por minuto. Vito hace lo mismo de fondo — atajo, hablas, aparece el texto — pero toma la decisión opuesta: envía el audio a un proveedor en la nube, añade una segunda pasada de IA que convierte la transcripción cruda en texto acabado, y trae una app de escritorio completa que además funciona en Windows. Este es un relato honesto de dónde gana cada uno, escrito por quienes hacen Vito y comprobado con la propia página de Voxtype.

De un vistazo

Comprobado con voxtype.io en agosto de 2026.

Dónde Voxtype es la mejor opción

Nada sale de tu máquina, nunca

Voxtype ejecuta el reconocimiento en tu propio ordenador —Whisper, Parakeet, Cohere y varios motores más— así que funciona sin conexión y ningún audio sale nunca del dispositivo. "Local by default. No cloud, no subscription, no telemetry", como lo plantea su página; se ofrece un servidor Whisper remoto pero nunca es obligatorio. Vito siempre envía audio a un proveedor en la nube; su paso de pulido puede ejecutarse en un LLM local, pero la voz a texto sigue saliendo. Si el requisito es que tu voz se quede por completo en el dispositivo, Voxtype es la respuesta más limpia —la misma decisión que Handy y VocaLinux.

Es gratis sin asterisco

Sin cuenta de proveedor, sin saldo, sin quince céntimos por hora. Con licencia MIT, y se ejecuta en hardware que ya tienes. La app de Vito también es gratis, e incluso puede usarse sin coste combinando el crédito gratis de AssemblyAI con el nivel gratuito de Groq —pero eso aún implica una cuenta de proveedor o dos, y pasados los cupos gratuitos son unos quince céntimos por hora. Voxtype no pide nada de eso.

Un enorme abanico de idiomas, todo local

Como se apoya en Whisper y otros modelos multilingües, Voxtype anuncia soporte para CJK y "más de 1600 idiomas", todos reconocidos en el dispositivo. Vito cubre 60 idiomas para el dictado y para su interfaz —los que tienen más de cincuenta millones de hablantes—, lo que basta para la mayoría, pero si necesitas un idioma que un proveedor en la nube no ofrece, un modelo local que sí lo haga es una ventaja real.

Vives en la terminal, en Linux o un Mac

Voxtype está hecho para el escritorio Linux moderno y es nativo en Wayland: mantienes una tecla, hablas, sueltas, y las palabras aterrizan en tu cursor. Se configura mediante una interfaz de terminal interactiva en lugar de una ventana de ajustes, muestra una forma de onda flotante mientras hablas, pausa automáticamente Spotify y otros reproductores MPRIS, y tiene un modo reunión que añade atribución de hablantes y exportación a Markdown, JSON, SRT o VTT. También funciona en macOS 13+, incluidos los Mac con Intel. Si lo que quieres es una herramienta manejada por teclado y sin GUI, esa superficie más pequeña es una función, no una carencia.

Dónde Vito es la mejor opción

El texto sale acabado, no solo transcrito

Esta es toda la diferencia, y es la razón de que Vito necesite una segunda clave. Voxtype transcribe —con exactitud— pero el habla está llena de "ehs", arranques en falso y frases que llegan en el orden equivocado, así que una transcripción cruda sigue leyéndose como habla y acabas editándola a mano. Vito pasa cada dictado por una segunda ronda de IA por defecto: muletillas eliminadas, la frase que querías reconstruida, saltos de línea donde los pediste, "pulgar arriba" dicho convertido en 👍. Voxtype puede hacer algo parecido, pero solo si configuras un modelo local de Ollama y sobre todo en su modo reunión —es opcional y de hazlo tú mismo, no el valor por defecto siempre activo en torno al que se construye Vito.

Tu ordenador no tiene que ser rápido

Ejecutar el modelo localmente es el diseño de Voxtype y también su coste: los motores hacen trabajo real en tu CPU (su página cita entre 9 y 11× el tiempo real), y en una máquina más vieja o ligera —o sin una GPU capaz— eso significa resultados más lentos y una batería más caliente y de menor duración. Vito hace el trabajo pesado en la nube, así que un portátil de ocho años obtiene la misma precisión que una estación de trabajo nueva y tu procesador se queda libre mientras dictas. El precio es unos quince céntimos por hora y el audio yendo al proveedor que elegiste.

Pregúntale a la IA por voz — Voxtype solo escribe

Voxtype convierte voz en texto y se detiene ahí. 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 dictado también responda preguntas, Voxtype no lo hace, y Vito sí.

Quieres Windows, y una app completa alrededor

Vito está para Windows, macOS y Linux; Voxtype es solo para Linux y Mac, sin versión para Windows. Vito además es una aplicación de escritorio completa —un panel de estado, un historial local buscable, estadísticas y más de 50 logros, un mini overlay y una interfaz en 60 idiomas— mientras que Voxtype es deliberadamente primero la terminal, con una TUI para configurar en lugar de pantallas por las que hacer clic. Algunos preferirán exactamente eso; otros querrán la app.

Es bastante divertido

Una cosa pequeña, y no vamos a fingir que decide nada. Vito lleva la cuenta: palabras dictadas, frases limpiadas, horas de tecleo que no tuviste que hacer, un gráfico de tu semana. 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, ambos gratis de descargar, ambos ponen texto donde está tu cursor desde un atajo de pulsar para hablar, y ambos mantienen tus datos fuera de cualquier plataforma —Voxtype al ejecutarse localmente, Vito al no tener cuenta y enviar audio solo al proveedor que elegiste—. Ambos pausan tu música mientras dictas y la reanudan después, y ambos corren en Linux con soporte adecuado de Wayland. Si te gusta la idea de Vito pero no la nube —o quieres coste cero y transcripción pura, en el dispositivo, en Linux o un Mac— Voxtype es un proyecto al que estamos encantados de apuntarte, 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 sin internet? Voxtype.
• ¿Quieres que no cueste literalmente nada? Voxtype.
• ¿Necesitas un idioma que un proveedor en la nube no cubre? Los modelos locales de Voxtype.
• ¿A gusto en la terminal, en Linux o un Mac? Voxtype.
• ¿Quieres que el texto llegue ya limpio? Vito.
• ¿Máquina más vieja o ligera, sin una GPU capaz? Vito.
• ¿Quieres comandos de IA por voz, o un historial buscable y estadísticas? Vito.
• ¿En Windows? Vito.