Choisir les fournisseurs de Vito

Vito est gratuit et n'a pas de compte à lui. Deux choses arrivent à ce que vous dites — quelque chose écoute, et quelque chose met de l'ordre dans les mots entendus — et pour chaque moitié, vous choisissez qui fait le travail : votre propre ordinateur, ou un fournisseur dont vous détenez la clé. Depuis la 2026.9, aucune des deux moitiés n'exige de clé.

Cette page est la carte. Toutes les options que Vito sait utiliser, ce qu'elles coûtent, ce qu'elles demandent et ce qu'elles font bien ou moins bien — et, pour les quatre fournisseurs qui réclament une clé, un guide pas à pas dédié.

Les deux moitiés

La moitié qui écoute transforme votre voix en mots. La précision, les langues dans lesquelles vous pouvez dicter et l'attente avant que le texte apparaisse se jouent ici. La moitié qui nettoie transforme ces mots en texte digne d'être envoyé : hésitations supprimées, phrases remises d'aplomb, retours à la ligne là où vous les avez demandés. C'est ce qui sépare la dictée de la transcription de quelqu'un qui parle.

Les deux sont indépendantes. Écoute locale et nettoyage dans le cloud fonctionne très bien, l'inverse aussi — choisissez chaque moitié pour ce qu'elle vaut.

La moitié qui écoute

Vito local (Parakeet) Local Aucun frais d'usage

Sur votre ordinateur · aucun compte, aucune clé · 25 langues européennes · téléchargement unique d'environ 900 Mo

Vito installe et fait tourner le moteur lui-même : choisissez-le dans Réglages → Reconnaissance vocale, appuyez une fois sur installer, et l'installation est terminée. Dessous, c'est parakeet.cpp avec le Parakeet TDT 0.6B v3 de NVIDIA ; Vito récupère une version épinglée et le modèle, vérifie les deux contre des empreintes inscrites dans la release, et n'exécute le moteur que tant que cette carte est sélectionnée.

• Pour : aucune inscription, rien à payer, ni maintenant ni jamais, et aucun audio ne quitte votre machine. C'est rapide, aussi — sur un ordinateur de bureau à 12 cœurs, une dictée de 13 secondes prend environ 1,2 s sur le processeur et 0,25 s avec la version GPU Vulkan. La langue est détectée pour vous.
• Contre : 25 langues européennes au lieu de 60, environ 1 Go de mémoire pendant l'exécution et 0,9 Go de disque, et le travail retombe sur votre propre processeur — sensible sur un portable fin, et sur la batterie. Pas de transcription en direct : le texte arrive quand vous cessez de parler. Ce moteur n'utilise pas les termes-clés, vos propres corrections si.

N'importe quel point de terminaison compatible OpenAI Local ou distant

Votre propre serveur, ou un serveur hébergé · une URL de base, et une clé seulement si ce point de terminaison en veut une · coût et langues sont ceux de ce qu'il y a derrière l'URL

Donnez une URL de base à Vito et il parle à ce qui répond : whisper-server, Speaches ou LocalAI sur votre machine, ou Whisper hébergé chez Groq et OpenAI. Vito trouve whisper-server sur son propre chemin /inference, ajuste la fenêtre de l'encodeur à l'enregistrement réel — ce qui a fait passer un extrait de 13 secondes de 9,0 s à 4,1 s sur processeur — et recolle les segments de whisper.cpp en une seule ligne au lieu de taper ses retours à la ligne dans votre document.

• Pour : la porte de sortie. Le moteur que vous voulez, sur le matériel de votre choix, y compris une machine de votre réseau qui travaille à la place d'un portable qui préférerait s'abstenir.
• Contre : c'est vous qui exploitez ou choisissez le serveur, et la précision, la vitesse et les langues couvertes sont son affaire, pas celle de Vito. Whisper encode toujours 30 secondes d'audio : sur un Whisper hébergé, une dictée de deux secondes peut coûter autant qu'une longue.

Soniox Recommandé

Leurs serveurs · votre propre clé · 60 langues · 0,10–0,12 $ de l'heure, leur tarif affiché

La couverture linguistique la plus large et le moteur cloud le moins cher à l'usage, d'où notre recommandation — et c'est sur lui que repose le chiffre de 0,15 € par heure affiché sur la page d'accueil.

• Pour : les 60 langues de dictée, une transcription en direct, et aucun travail sur votre machine — la raison même de choisir le cloud.
• Contre : c'est prépayé, il faut donc un solde avant que quoi que ce soit se passe, et Soniox n'indique pas sur sa page de tarifs si les nouveaux comptes reçoivent un crédit d'essai. Votre audio part sur leurs serveurs.

AssemblyAI Crédit de départ offert

Leurs serveurs · votre propre clé · 50 $ de crédits offerts à l'inscription, sans carte · 0,15–0,45 $ de l'heure ensuite

Le démarrage cloud le plus simple : Vito fonctionne avant que vous ne donniez le moindre moyen de paiement, et changer plus tard revient à coller une autre clé.

• Pour : du crédit d'avance, aucune carte demandée, et un second moteur de repli quand une transcription tombe à côté.
• Contre : plus cher à l'heure que Soniox une fois le crédit épuisé, et votre audio part sur leurs serveurs.

La moitié qui nettoie

Quel que soit votre choix, les règles vous appartiennent : cinq jeux intégrés — Vito par défaut, Verbatim, Écriture professionnelle, Notes et Messages — et les vôtres par-dessus. Vito ajoute un contrat de sortie fixe au jeu actif : un jeu de règles peut donc changer ce que fait le nettoyage, jamais faire coller un commentaire à l'endroit de votre curseur.

Un modèle local Local Aucun frais d'usage

Sur votre ordinateur · un serveur compatible OpenAI comme Ollama ou LocalAI · aucun compte, aucune clé

• Pour : gratuit, hors ligne, et rien de ce que vous dictez ne quitte la machine. Associé à Parakeet local, c'est un Vito sans compte nulle part et sans facture, jamais.
• Contre : il vous faut une machine capable de tenir un modèle correct, et le nettoyage ne vaut que ce que vaut le modèle que vous lui donnez. Sur un portable modeste, c'est la plus lente des quatre options.

Groq Recommandé Offre gratuite

Leurs serveurs · votre propre clé · une offre réellement gratuite, sans carte

• Pour : aucun coût, aucune carte, et assez rapide pour que le nettoyage ne soit pas ce que vous attendez. Selon ses propres conditions, Groq n'entraîne pas ses modèles sur ce que vous envoyez, avec en plus un réglage sans conservation.
• Contre : l'offre gratuite est plafonnée plutôt que facturée : une très longue journée de dictée peut atteindre une limite — et une offre gratuite appartient au fournisseur, qui peut la changer. Votre texte part sur leurs serveurs.

Anthropic (Claude) Haut de gamme

Leurs serveurs · votre propre clé · crédits prépayés, pas d'offre gratuite

• Pour : le meilleur d'entre eux pour transformer une transcription en texte, et celui à confier à Vito Assist quand vous voulez que ses réponses parlées vaillent la lecture.
• Contre : cela coûte de l'argent dès la première dictée, et un compte sans solde se signale par une erreur obscure plutôt que comme un compte vide.

Tout autre fournisseur compatible OpenAI

Une URL de base et une clé · les modèles et les tarifs de ce fournisseur

• Pour : si vous payez déjà quelqu'un pour des jetons, Vito peut les utiliser. La fiche de coût suit le modèle réellement sélectionné : l'estimation n'est pas une supposition fondée sur le moins cher.
• Contre : vous choisissez le modèle et vous vivez avec. Si l'un dépense des milliers de jetons à réfléchir et ne renvoie rien, le remède est le réglage Thinking, pas un budget de jetons plus large.

Trois configurations qui tiennent debout

• Aucune inscription. Parakeet local et un modèle local. Aucun compte nulle part, aucun frais d'usage, et ni votre audio ni votre texte ne quittent la machine. Le prix, c'est la charge sur votre ordinateur, et 25 langues au lieu de 60.
• Gratuit, le travail fait ailleurs. Le crédit de départ offert par AssemblyAI pour l'écoute, l'offre gratuite de Groq pour le nettoyage. Aucun des deux ne demande de carte, votre machine reste au repos, et vous dictez en dix minutes. Le crédit finit tout de même par s'épuiser.
• Le meilleur résultat. Soniox pour écouter, Claude pour nettoyer, pour environ 0,15 € par heure de parole, tout compris. 60 langues, une transcription en direct, et le texte le plus propre de toutes les combinaisons présentées ici.

Avant de commencer

Quelques points utiles, quelle que soit la voie choisie :

• Vous pouvez aller jusqu'à la dictée sans rien payer ni vous inscrire nulle part. C'est la voie locale ci-dessus. Si vous préférez que le cloud travaille, le crédit de départ d'AssemblyAI et l'offre gratuite de Groq vous y amènent sans carte non plus.
• Les payants sont prépayés. Soniox et Anthropic ont besoin d'un solde avant de faire quoi que ce soit. Quelques euros représentent beaucoup de dictée, mais zéro reste zéro, et un compte vide se signale par une erreur obscure plutôt que comme un compte vide.
• Si vous ajoutez une carte, fixez une limite de dépense dans la foulée. Cela prend une minute et c'est la seule chose entre une maladresse et votre solde. (Les offres gratuites et les modèles locaux ne peuvent pas faire grimper une facture : tant que vous y restez, il n'y a rien à plafonner.)
• Une clé est un mot de passe. Qui la détient dépense votre argent — ou consomme votre quota gratuit. Chaque guide explique comment en prendre soin.
• Rien de tout cela n'est définitif. Chaque option est une carte distincte dans Réglages → Reconnaissance vocale, et changer revient à en choisir une autre. Commencer en local puis ajouter une clé — ou l'inverse — ne vous coûte rien.