Vito vs Voxtype

Voxtype est un outil de saisie vocale push-to-talk, local d'abord, pour Linux et macOS : gratuit, open source, et il exécute le modèle de reconnaissance sur votre propre machine — pas de compte, pas de coût à la minute, et un moteur cloud seulement si vous en ajoutez un. Vito fait le même travail de fond — raccourci, vous parlez, le texte apparaît — et peut rester en local avec ses deux moteurs gérés, Parakeet et Whistle, tout en ajoutant 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 le propre site de Voxtype.

En un coup d'œil

Vérifié avec voxtype.io et leur dépôt GitHub en octobre 2026.

Là où Voxtype est le meilleur choix

Local par défaut, avec des moteurs à revendre

Voxtype exécute la reconnaissance sur votre propre ordinateur avec un choix de neuf moteurs locaux — Whisper, Parakeet, Moonshine, SenseVoice, Paraformer, Dolphin, Omnilingual, Cohere et une version OpenVINO de Whisper capable de tourner sur les NPU Intel — il fonctionne donc sans connexion, et aucun audio ne quitte l'appareil. « Local by default. No cloud, no subscription, no telemetry », comme le formule le site ; depuis la version 1.0, un moteur cloud payant Soniox est intégré, mais seulement si vous le choisissez. Vito peut lui aussi garder l'audio et le nettoyage sur l'appareil, avec Whistle ou Parakeet et un modèle local compatible. Voxtype reste le choix le plus orienté terminal, avec un éventail bien plus large de moteurs vocaux locaux ; Vito est la voie de l'appli de bureau gérée.

C'est gratuit sans astérisque

Pas de compte fournisseur, pas de solde, pas de frais d'utilisation. Sous licence MIT, et il tourne sur du matériel que vous possédez déjà — il existe même une version de base pour les processeurs sans AVX2. Vito fait de même avec Whistle ou Parakeet et un modèle de nettoyage local ; les fournisseurs distants restent facultatifs.

Un immense éventail de langues, tout en local

Grâce à son modèle Omnilingual, Voxtype annonce « 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 Spotify et d'autres lecteurs MPRIS ou baisse leur volume, et a un mode réunion qui ajoute l'attribution des locuteurs, des résumés via Ollama et l'export en Markdown, JSON, SRT, VTT ou texte brut. 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

Vous voulez une STT locale gérée et le contrôle du texte final

Vito installe et gère deux moteurs locaux pour une transcription privée et sans frais d'utilisation : Parakeet, en 25 langues européennes, et Whistle, un téléchargement de 18 Mo en sept langues qui affiche le texte pendant que vous parlez encore. Un endpoint compatible OpenAI vous permet d'utiliser d'autres moteurs, locaux ou distants. Le nettoyage propose cinq styles intégrés — dont Business, Verbatim et Notes — plus des invites entièrement personnalisées et la prise en charge de modèles locaux.

Le texte sort fini, pas seulement transcrit

C'est une différence produit majeure. 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 chaque dictée dans une seconde passe d'IA, activée par défaut dès qu'un modèle de nettoyage est configuré : 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 pour chaque dictée aussi — son réglage de post-traitement fait passer le texte par la commande de votre choix, comme Ollama, LM Studio, llama.cpp ou un script — mais c'est à vous de le construire et de le régler ; c'est optionnel et à faire soi-même, là où Vito fournit les styles, les invites et la valeur par défaut. Le nettoyage de Vito a lui aussi besoin d'un modèle, qui peut être un modèle local plutôt qu'une seconde clé.

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 propre processeur (le site cite 9–11× le temps réel pour Cohere sur CPU), 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. Le moteur Soniox facultatif de Voxtype peut alléger cette charge, moyennant paiement. Vito vous offre plus de façons de la contourner : Whistle est un moteur local léger, Parakeet couvre 25 langues en local, et Soniox, AssemblyAI ou tout fournisseur compatible OpenAI garde votre processeur libre tout en élargissant la couverture linguistique.

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.

Il prend soin de lui-même sur Linux

Vito est distribué en AppImage et en Flatpak et fonctionne sur X11 comme sur Wayland. Sur niri et Hyprland, il est honnête au sujet des raccourcis globaux et vous donne des raccourcis prêts à copier pour votre compositeur. Il installe lui-même les nouvelles versions dès que vous n'avez pas dicté depuis quelques minutes — vous pouvez désactiver cela — et l'AppImage fonctionne aussi avec AppImageUpdate et Gear Lever. Chaque téléchargement est compilé sur GitHub Actions, avec des sommes de contrôle publiées.

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 que vous composez vous-même, un historique local cherchable, des statistiques et 52 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. Vito Sync garde votre historique, vos statistiques et votre dictionnaire identiques sur tous vos ordinateurs via un dossier que votre propre appli de synchronisation synchronise déjà, sans compte, et il existe une version navigateur qui ne demande aucune installation, même si le texte y arrive dans votre presse-papiers. Certains préféreront l'approche épurée de Voxtype telle qu'elle est ; 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 sur un tableau de bord que vous composez vous-même : mots dictés, heures de frappe que vous n'avez pas eu à faire, un graphique de votre semaine, un calendrier des six derniers mois et une série de jours d'affilée — battez votre record et la carte fait la fête. Vito lui-même, le logo avec un visage, bavarde avec vous pendant que vous dictez. 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 et sous licence MIT, tous deux gratuits à télécharger, tous deux placent le texte là où est votre curseur depuis un raccourci push-to-talk, et tous deux peuvent faire tout le travail sur votre propre machine — sans compte, sans qu'aucun audio ne la quitte, sans frais d'utilisation — avec un moteur cloud seulement si vous en choisissez un. 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 vous voulez un coût nul, un large choix de moteurs sur l'appareil et un outil que vous pilotez depuis le terminal, 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 ? L'un ou l'autre convient ; Voxtype propose plus de moteurs locaux.
• Vous voulez que ça ne coûte littéralement rien ? L'un ou l'autre ; tous deux peuvent tourner en local sans frais d'utilisation.
• 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 un mode réunion avec locuteurs et export de sous-titres ? Voxtype.
• Vous voulez que le texte arrive déjà nettoyé ? Vito.
• Machine plus ancienne ou légère, sans GPU capable ? Vito, avec Whistle ou un fournisseur cloud.
• Vous voulez des commandes IA à la voix, ou un historique cherchable et des statistiques ? Vito.
• Sur Windows ? Vito.