Vito vs Voxtype

Voxtype est un outil de saisie vocale push-to-talk 100% local pour Linux et macOS : gratuit, open source, et il exécute le modèle de reconnaissance sur votre propre machine — pas de cloud, pas de compte, pas de coût à la minute. Vito fait le même travail de fond — raccourci, vous parlez, le texte apparaît — mais prend le pari inverse : il envoie l'audio à un fournisseur cloud, ajoute une seconde passe d'IA qui transforme la transcription brute en texte fini, et livre une appli de bureau complète qui tourne aussi sous Windows. Voici un compte rendu honnête de là où chacun l'emporte, écrit par les gens qui font Vito et vérifié sur la propre page de Voxtype.

En un coup d'œil

Vérifié avec voxtype.io en août 2026.

Là où Voxtype est le meilleur choix

Rien ne quitte jamais votre machine

Voxtype exécute la reconnaissance sur votre propre ordinateur — Whisper, Parakeet, Cohere et plusieurs autres moteurs — il fonctionne donc sans connexion, et aucun audio ne quitte jamais l'appareil. « Local by default. No cloud, no subscription, no telemetry », comme le formule le site ; un serveur Whisper distant est proposé mais jamais requis. Vito envoie toujours l'audio à un fournisseur cloud ; son étape de nettoyage peut tourner sur un LLM local, mais la voix vers texte part quand même. Si l'exigence est que votre voix reste entièrement sur l'appareil, Voxtype est la réponse la plus nette — le même compromis que Handy et VocaLinux.

C'est gratuit sans astérisque

Pas de compte fournisseur, pas de solde, pas de quinze centimes de l'heure. Sous licence MIT, et il tourne sur du matériel que vous possédez déjà. L'appli de Vito est gratuite aussi, et peut même être utilisée sans frais en couplant le crédit gratuit d'AssemblyAI au palier gratuit de Groq — mais cela implique quand même un compte fournisseur ou deux, et au-delà des quotas gratuits c'est environ quinze centimes de l'heure. Voxtype ne demande rien de tout ça.

Un immense éventail de langues, tout en local

Parce qu'il s'appuie sur Whisper et d'autres modèles multilingues, Voxtype annonce la prise en charge du CJC et « 1600+ langues », toutes reconnues sur l'appareil. Vito couvre 60 langues pour la dictée et pour son interface — celles de plus de cinquante millions de locuteurs — ce qui est amplement suffisant pour la plupart des gens, mais si vous avez besoin d'une langue qu'un fournisseur cloud n'offre pas, un modèle local qui la propose est un vrai avantage.

Vous vivez dans le terminal, sous Linux ou sur un Mac

Voxtype est bâti pour le bureau Linux moderne et il est natif Wayland : vous maintenez une touche, parlez, relâchez, et les mots atterrissent à votre curseur. Il se configure via une interface de terminal interactive plutôt qu'une fenêtre de réglages, affiche une forme d'onde flottante pendant que vous parlez, met en pause automatiquement Spotify et d'autres lecteurs MPRIS, et a un mode réunion qui ajoute l'attribution des locuteurs et l'export en Markdown, JSON, SRT ou VTT. Il tourne aussi sous macOS 13+, y compris les Mac Intel. Si vous voulez un outil piloté au clavier, sans GUI, cette surface plus petite est un atout, pas un manque.

Là où Vito est le meilleur choix

Le texte sort fini, pas seulement transcrit

C'est toute la différence, et c'est la raison pour laquelle Vito a besoin d'une seconde clé. Voxtype transcrit — avec exactitude — mais la parole est pleine de « euh », de faux départs et de phrases qui arrivent dans le mauvais ordre, donc une transcription brute se lit encore comme de la parole et vous finissez par l'éditer à la main. Vito passe par défaut chaque dictée dans une seconde passe d'IA : mots parasites retirés, phrase voulue reconstruite, retours à la ligne là où vous les avez demandés, « pouce levé » dit transformé en 👍. Voxtype peut faire quelque chose de similaire, mais seulement si vous configurez un modèle Ollama local et surtout dans son mode réunion — c'est optionnel et à faire soi-même, pas la valeur par défaut toujours active autour de laquelle Vito est bâti.

Votre ordinateur n'a pas besoin d'être rapide

Exécuter le modèle localement est la conception de Voxtype et aussi son coût : les moteurs font un vrai travail sur votre CPU (le site cite 9–11× le temps réel), et sur une machine plus ancienne ou plus légère — ou sans GPU capable — cela signifie des résultats plus lents et une batterie plus chaude qui dure moins. Vito fait le gros du travail dans le cloud, un portable de huit ans obtient donc la même précision qu'une station de travail neuve et votre processeur reste libre pendant que vous dictez. Le prix, c'est environ quinze centimes de l'heure et l'audio qui va au fournisseur que vous avez choisi.

Demandez à l'IA à la voix — Voxtype ne fait que taper

Voxtype transforme la parole en texte et s'arrête là. Le Vito Assist de Vito transforme la parole en instruction : « Vito, traduis ceci en allemand », « Vito, quelle est la capitale de la France ? », « Vito, 15 % de 240 ? » — traductions, réponses, calculs et définitions, dits aussi facilement qu'une dictée et rendus sur place. Si vous voulez que votre dictée réponde aussi aux questions, Voxtype ne le fait pas, et Vito, si.

Vous voulez Windows, et une appli complète autour

Vito est disponible pour Windows, macOS et Linux ; Voxtype est réservé à Linux et Mac, sans version Windows. Vito est aussi une application de bureau complète — un tableau de bord d'état, un historique local cherchable, des statistiques et plus de 50 succès, une mini-superposition et une interface en 60 langues — là où Voxtype est délibérément terminal d'abord, avec une TUI pour la configuration plutôt que des écrans à parcourir au clic. Certains préféreront exactement cela ; d'autres voudront l'appli.

C'est plutôt amusant

Une petite chose, et nous n'allons pas prétendre qu'elle décide de quoi que ce soit. Vito tient le compte : mots dictés, phrases nettoyées, heures de frappe que vous n'avez pas eu à faire, un graphique de votre semaine. Il y a plus de 50 succès à débloquer en chemin, certains loufoques, plusieurs cachés.

Il s'avère que cela compte plus qu'il n'y paraît. Dicter au lieu de taper est une habitude à construire, et la première semaine est la partie inconfortable — voir « 1 h 38 min de frappe économisée » est un coup de pouce pour continuer qu'une fenêtre vide ne vous donne pas. Si cela vous semble être un gadget, ignorez-le complètement ; rien n'en dépend.

Ce qu'ils font tous les deux

Tous deux sont open source, tous deux gratuits à télécharger, tous deux placent le texte là où est votre curseur depuis un raccourci push-to-talk, et tous deux gardent vos données hors de toute plateforme — Voxtype en tournant localement, Vito en n'ayant pas de compte et en n'envoyant l'audio qu'au fournisseur que vous avez choisi. Tous deux mettent votre musique en pause pendant que vous dictez et la reprennent après, et tous deux tournent sur Linux avec un vrai support Wayland. Si l'idée de Vito vous plaît mais pas le cloud — ou si vous voulez un coût nul et de la transcription pure, sur l'appareil, sous Linux ou sur un Mac — Voxtype est un projet vers lequel nous vous orientons volontiers, et cette comparaison existe pour vous aider à choisir, pas pour vous en dissuader.

Alors lequel des deux

• L'audio ne doit jamais quitter la machine, ou pas d'internet ? Voxtype.
• Vous voulez que ça ne coûte littéralement rien ? Voxtype.
• Besoin d'une langue qu'un fournisseur cloud ne couvre pas ? Les modèles locaux de Voxtype.
• À l'aise dans le terminal, sous Linux ou sur un Mac ? Voxtype.
• Vous voulez que le texte arrive déjà nettoyé ? Vito.
• Machine plus ancienne ou légère, sans GPU capable ? Vito.
• Vous voulez des commandes IA à la voix, ou un historique cherchable et des statistiques ? Vito.
• Sur Windows ? Vito.