Elegir los proveedores de Vito

Vito es gratis y no tiene cuenta propia. Con lo que dices pasan dos cosas — algo escucha y algo ordena las palabras que ha oído — y para cada mitad eliges quién hace el trabajo: tu propio ordenador o un proveedor cuya clave tienes tú. Desde la 2026.9 ninguna de las dos mitades necesita clave.

Esta página es el mapa. Todas las opciones que Vito puede usar, lo que cuestan, lo que te piden y en qué son buenas o flojas — y, para los cuatro proveedores que sí necesitan clave, una guía paso a paso propia.

Las dos mitades

La mitad que escucha convierte tu voz en palabras. La precisión, los idiomas en los que puedes dictar y la espera hasta que aparece el texto se deciden aquí. La mitad que limpia convierte esas palabras en texto que merece la pena enviar: sin titubeos, con las frases arregladas y los saltos de línea donde los pediste. Es lo que separa el dictado de la transcripción de alguien hablando.

Las dos son independientes. Escucha local con limpieza en la nube funciona igual de bien que al revés: elige cada mitad por sus propios méritos.

La mitad que escucha

Vito local (Parakeet) Local Sin coste de uso

En tu ordenador · sin cuenta ni clave · 25 idiomas europeos · una descarga única de unos 900 MB

Vito instala y ejecuta el motor por su cuenta: elígelo en Ajustes → Reconocimiento de voz, pulsa instalar una vez y con eso queda todo montado. Por debajo está parakeet.cpp con el Parakeet TDT 0.6B v3 de NVIDIA; Vito descarga una compilación fijada y el modelo, comprueba ambos contra los hashes incluidos en la release y ejecuta el motor solo mientras tengas esa tarjeta seleccionada.

• A favor: nada que registrar, nada que pagar, ni ahora ni nunca, y ningún audio sale de tu máquina. Además es rápido: en un equipo de sobremesa de 12 núcleos, un dictado de 13 segundos tarda unos 1,2 s en CPU y 0,25 s con la compilación de GPU Vulkan. El idioma se detecta solo.
• En contra: 25 idiomas europeos en lugar de 60, alrededor de 1 GB de memoria mientras funciona y 0,9 GB de disco, y el trabajo recae en tu procesador — se nota en un portátil ligero, y en la batería. No hay transcripción en vivo: el texto llega cuando dejas de hablar. Este motor no usa los términos clave, aunque tus correcciones sí siguen aplicándose.

Cualquier endpoint compatible con OpenAI Local o remoto

Tu propio servidor o uno alojado · una URL base y clave solo si ese endpoint la pide · el coste y los idiomas son los de lo que haya detrás de la URL

Dale a Vito una URL base y hablará con lo que responda: whisper-server, Speaches o LocalAI en tu propia máquina, o Whisper alojado en Groq y OpenAI. Vito encuentra whisper-server en su propia ruta /inference, ajusta la ventana del codificador a la grabación real —lo que llevó un clip de 13 segundos de 9,0 s a 4,1 s en CPU— y vuelve a unir los segmentos de whisper.cpp en una sola línea en lugar de teclear sus saltos de línea en tu documento.

• A favor: la salida de emergencia. El motor que quieras, sobre el hardware que elijas, incluida una máquina de tu propia red haciendo el trabajo por un portátil que preferiría no hacerlo.
• En contra: el servidor lo eliges o lo mantienes tú, y la precisión, la velocidad y los idiomas son asunto suyo, no de Vito. Whisper siempre codifica 30 segundos de audio, así que en un Whisper alojado un dictado de dos segundos puede costar lo mismo que uno largo.

Soniox Recomendado

Sus servidores · tu propia clave · 60 idiomas · 0,10–0,12 $ por hora, su precio de lista

La cobertura de idiomas más amplia y el motor en la nube más barato de usar, y por eso es el que recomendamos y la base de la cifra de 0,15 € por hora de la página principal.

• A favor: los 60 idiomas de dictado, transcripción en vivo y nada de trabajo en tu máquina: justo el motivo para elegir la nube.
• En contra: es de prepago, así que tiene que haber saldo antes de que haga nada, y si las cuentas nuevas reciben crédito de prueba no es algo que Soniox indique en su página de precios. Tu audio va a sus servidores.

AssemblyAI Crédito inicial gratis

Sus servidores · tu propia clave · 50 $ en créditos gratis al registrarte, sin tarjeta · después 0,15–0,45 $ por hora

El arranque más fácil en la nube: puedes tener Vito funcionando antes de dar ningún dato de pago, y cambiar más adelante es cuestión de pegar otra clave.

• A favor: crédito por adelantado, sin pedir tarjeta, y un segundo motor al que recurrir cuando una transcripción sale mal.
• En contra: más caro por hora que Soniox cuando se acaba el crédito, y tu audio va a sus servidores.

La mitad que limpia

Elijas lo que elijas, las reglas son tuyas: cinco conjuntos incorporados — Vito predeterminado, Literal, Escritura profesional, Notas y Mensajes — y los tuyos propios por encima. Vito añade un contrato de salida fijo al conjunto activo, de modo que un conjunto de reglas puede cambiar lo que hace la limpieza, pero nunca hacer que el modelo pegue comentarios donde está tu cursor.

Un modelo local Local Sin coste de uso

En tu ordenador · un servidor compatible con OpenAI como Ollama o LocalAI · sin cuenta ni clave

• A favor: gratis, sin conexión, y nada de lo que dictas sale de la máquina. Junto con Parakeet local es un Vito sin cuenta en ninguna parte y sin factura nunca.
• En contra: necesitas una máquina capaz de sostener un modelo decente, y la limpieza solo es tan buena como el modelo que le des. En un portátil modesto es la más lenta de las cuatro opciones.

Groq Recomendado Nivel gratuito

Sus servidores · tu propia clave · un nivel gratuito de verdad, sin tarjeta

• A favor: sin coste, sin tarjeta y lo bastante rápido como para que la limpieza no sea lo que te hace esperar. Según sus propias condiciones, Groq no entrena con lo que le envías, y además ofrece un ajuste de retención cero.
• En contra: el nivel gratuito está limitado en lugar de medido, así que un día muy largo de dictado puede topar con un límite — y un nivel gratuito lo cambia el proveedor cuando quiere. Tu texto va a sus servidores.

Anthropic (Claude) Máxima calidad

Sus servidores · tu propia clave · créditos de prepago, sin nivel gratuito

• A favor: el mejor de estos convirtiendo una transcripción en texto, y el que conviene darle a Vito Assist cuando quieres que sus respuestas habladas merezcan la lectura.
• En contra: cuesta dinero desde el primer dictado, y una cuenta sin saldo se presenta como un error confuso en vez de como una cuenta vacía.

Cualquier otro proveedor compatible con OpenAI

Una URL base y una clave · los modelos y precios de ese proveedor

• A favor: si ya le pagas tokens a alguien, Vito puede usarlos. La ficha de coste sigue al modelo que has seleccionado de verdad, así que la estimación no es una suposición basada en el más barato.
• En contra: eliges el modelo y cargas con él. Si uno gasta miles de tokens deliberando y no devuelve nada, la solución es el control Thinking, no un presupuesto de tokens mayor.

Tres montajes con sentido

• Sin registrarse en ningún sitio. Parakeet local y un modelo local. Ninguna cuenta en ninguna parte, ningún coste de uso, y ni tu audio ni tu texto salen de la máquina. El precio es la carga sobre tu ordenador, y 25 idiomas en lugar de 60.
• Gratis, con el trabajo hecho fuera. El crédito inicial gratuito de AssemblyAI para escuchar y el nivel gratuito de Groq para limpiar. Ninguno pide tarjeta, tu máquina se queda tranquila y estarás dictando en diez minutos. El crédito, eso sí, acaba agotándose.
• El mejor resultado. Soniox para escuchar, Claude para limpiar, por unos 0,15 € por hora de voz, todo incluido. 60 idiomas, transcripción en vivo y el texto más limpio de todas las combinaciones de aquí.

Antes de empezar

Unas cuantas cosas que conviene saber, sea cual sea el camino:

• Puedes llegar a dictar sin pagar ni registrarte en nada. Esa es la vía local de arriba. Si prefieres que el trabajo lo haga la nube, el crédito inicial de AssemblyAI y el nivel gratuito de Groq también te llevan hasta allí sin tarjeta.
• Los de pago son de prepago. Soniox y Anthropic necesitan saldo antes de hacer nada. Unos pocos euros son un montón de dictado, pero cero es cero, y una cuenta vacía se presenta como un error confuso en vez de como una cuenta vacía.
• Si añades una tarjeta, pon un límite de gasto mientras estás ahí. Cuesta un minuto y es lo único que se interpone entre un despiste y tu saldo. (Los niveles gratuitos y los modelos locales no pueden generar factura, así que mientras sigas en ellos no hay nada que limitar.)
• Una clave es una contraseña. Quien la tenga gasta tu dinero — o consume tu cupo gratuito. Cada guía explica cómo cuidarla como es debido.
• Nada de esto es definitivo. Cada opción es una tarjeta distinta en Ajustes → Reconocimiento de voz, y cambiar es cuestión de elegir otra. Empezar en local y añadir una clave después — o al revés — no te cuesta nada.