Vito बनाम Handy

इस पन्ने पर Handy एक सगे भाई के सबसे क़रीब है: मुफ़्त, MIT-लाइसेंस प्राप्त, क्रॉस-प्लेटफ़ॉर्म, और यह Linux पर चलता है। लगभग 27,000 लोगों ने इसे GitHub पर स्टार किया है, जो काफ़ी है, और हक़दार भी। हमारे बीच का अंतर एक फ़ैसला है — Handy स्पीच मॉडल को आपके कंप्यूटर पर चलाता है, Vito ऑडियो को एक प्रदाता के पास भेजता है — और बाक़ी लगभग सब कुछ उसी से निकलता है।

एक नज़र में

जुलाई 2026 में handy.computer और उनकी रिपॉज़िटरी और उनके समस्या-निवारण पन्ने के आधार पर जाँचा गया।

जहाँ Handy बेहतर विकल्प है

कुछ भी आपका कंप्यूटर कभी नहीं छोड़ता

"आपकी आवाज़ आपके कंप्यूटर पर ही रहती है," जैसा वे कहते हैं, और यह अक्षरशः सच है — तस्वीर में कोई प्रदाता है ही नहीं। गोपनीय काम के लिए, बिना इंटरनेट वाली मशीन के लिए, या केवल सिद्धांत के तौर पर, यह Vito की दे सकने वाली गारंटी से ज़्यादा मज़बूत गारंटी है। Vito अपने क्लीनअप चरण को एक लोकल LLM पर चला सकता है, ताकि सफ़ाई को भी आपकी मशीन छोड़ने की ज़रूरत न पड़े — लेकिन स्पीच-टू-टेक्स्ट (STT) अब भी एक क्लाउड प्रदाता के पास जाता है, इसलिए ऑडियो ख़ुद मशीन छोड़ता ज़रूर है। Vito कम से कम लोगों को आपका ऑडियो दिखने देता है; Handy सवाल ही हटा देता है।

यह बिना किसी शर्त के मुफ़्त है

कोई प्रदाता खाता नहीं, कोई शेष राशि नहीं, प्रति घंटा पंद्रह सेंट नहीं। Vito का ऐप भी मुफ़्त है, और प्रदाताओं के मुफ़्त टियरों को जोड़कर इसे बिना किसी कीमत के भी चलाया जा सकता है — लेकिन इसका मतलब फिर भी एक या दो प्रदाता खातों के लिए साइन अप करना है, और मुफ़्त सीमाओं के बाद यह लगभग पंद्रह सेंट प्रति घंटा है। Handy इनमें से कुछ भी नहीं माँगता।

सेट करने के लिए कुछ नहीं

डाउनलोड करें, एक मॉडल चुनें, डिक्टेट करें। कोई API कुंजी नहीं, कोई भुगतान विधि नहीं, कहीं कोई खाता नहीं। Vito कुछ भी करने से पहले दो कुंजियाँ माँगता है।

जहाँ Vito बेहतर विकल्प है

आपके कंप्यूटर का तेज़ होना ज़रूरी नहीं

यह ईमानदार सौदा है और इसके बारे में विशिष्ट होना ज़रूरी है। Handy के Whisper मॉडल एक GPU चाहते हैं — उनकी अपनी आवश्यकता सूची Windows और Linux पर "Intel, AMD, या NVIDIA GPU" बताती है। उनका CPU-अनुकूल विकल्प, Parakeet V3, कम से कम एक Intel Skylake-पीढ़ी के प्रोसेसर की माँग करता है। इन्हें आराम से पूरा करें और यह उड़ता है; सीमा के क़रीब रहें तो डिक्टेशन धीमा हो जाता है, और किसी पुरानी मशीन पर यह शायद बिल्कुल भी उपयोग-योग्य न हो।

Vito का जवाब यह है कि मुश्किल हिस्सा कहीं और होता है। आठ साल पुराने लैपटॉप को एक नए वर्कस्टेशन जितनी ही गति और सटीकता मिलती है, डिक्टेशन के दौरान आपका प्रोसेसर खाली रहता है, और पंखा शांत रहता है। इसकी कीमत लगभग पंद्रह सेंट प्रति घंटा और एक कनेक्शन है।

टेक्स्ट सिर्फ़ सटीक नहीं, बल्कि पूरा तैयार होकर निकलता है

Handy ट्रांसक्राइब करता है। Vito ट्रांसक्राइब करता है और फिर परिणाम को एक दूसरे AI पास से गुज़ारता है जो झिझकों को हटाता है, आपके बिखरे वाक्य को पुनर्गठित करता है, आपके माँगे लाइन ब्रेक जोड़ता है और "थम्ब्स अप" को 👍 में बदलता है। यह एक बेहतर के बजाय एक अलग उत्पाद फ़ैसला है, और यही मुख्य कारण है कि Vito को एक दूसरी कुंजी की ज़रूरत होती है।

यह अच्छे से काम करता है या नहीं, यह वाक़ई आप पर निर्भर नहीं है

मॉडल को लोकल तौर पर चलाना Handy की सबसे अच्छी ख़ूबी है और साथ ही इसका सबसे मुश्किल हिस्सा भी, और उनका अपना दस्तावेज़ीकरण इसके बारे में खुलकर बताता है। समस्या-निवारण पन्ना Whisper के क्रैश होने, ट्रांसक्रिप्शन के धीमे होने, माइक्रोफ़ोन के न मिलने, मॉडल के डाउनलोड न होने, Windows पर एक गायब vulkan-1.dll, Linux पर एक ख़ाली विंडो, फ़ोकस चुरा लेने वाले एक ओवरले, Wayland को अतिरिक्त कॉन्फ़िगरेशन की ज़रूरत, और AppImage से एक GLIBC त्रुटि को कवर करता है। ज्ञात समस्याओं के तहत वे साफ़ लिखते हैं कि Whisper "पुराने CPU या ख़ास GPU कॉन्फ़िगरेशन पर क्रैश हो सकता है" और इसके बजाय Parakeet V3 सुझाते हैं।

इसमें से कुछ भी लापरवाही नहीं है — तीन ऑपरेटिंग सिस्टमों में लोकल इन्फ़रेंस भेजना वाक़ई ऐसा ही दिखता है, और यह तथ्य कि वे इसे इतने खुलेपन से दर्ज करते हैं, परियोजना के बारे में अच्छी बातें कहता है। लेकिन इसका मतलब यह ज़रूर है कि अनुभव मशीन-दर-मशीन बदलता है, और मॉडल, ड्राइवरों और सेटिंग्स का वह संयोजन ढूँढना जो आपके कंप्यूटर पर अच्छे से चले, थोड़ी खोजबीन हो सकती है। Vito के साथ ढूँढने के लिए कुछ नहीं है: मॉडल आपकी मशीन पर नहीं चलता, इसलिए यह हर जगह एक जैसा व्यवहार करता है।

इंटरफ़ेस आपकी भाषा बोलता है

Vito का अपना इंटरफ़ेस 60 भाषाओं में उपलब्ध है, सिर्फ़ इसका डिक्टेशन ही नहीं। Handy 24 देता है, जो इसके आकार की ज़्यादातर परियोजनाओं की तुलना में कहीं अधिक है।

आवाज़ से AI से पूछें — Handy सिर्फ़ ट्रांसक्राइब करता है

Handy स्पीच को टेक्स्ट में बदलता है और वहीं रुक जाता है। Vito का Vito Assist स्पीच को एक निर्देश में बदल देता है: "Vito, इसका जर्मन में अनुवाद करो", "Vito, फ़्रांस की राजधानी क्या है?", "Vito, 240 का 15%?" — अनुवाद, जवाब, गणित और परिभाषाएँ, डिक्टेशन जितनी ही आसानी से बोले और वहीं लौटाए गए। अगर आप चाहते हैं कि आपका डिक्टेशन ऐप सवालों के जवाब भी दे, तो Handy नहीं देता, और Vito देता है।

यह काफ़ी मज़ेदार है

एक छोटी-सी बात, और हम यह दिखावा नहीं करेंगे कि यह कुछ तय करती है। Vito गिनती रखता है: डिक्टेट किए गए शब्द, साफ़ किए गए वाक्य, टाइपिंग के वे घंटे जो आपको करने ही नहीं पड़े, आपके हफ़्ते का एक चार्ट। रास्ते में अनलॉक करने के लिए 50+ उपलब्धियाँ हैं, कुछ बेतुकी, कई छिपी हुई।

पता चलता है कि यह जितना लगता है उससे ज़्यादा मायने रखता है। टाइप करने के बजाय डिक्टेशन एक आदत है जिसे आपको बनाना पड़ता है, और पहला हफ़्ता ही अटपटा हिस्सा होता है — "1 घं 38 मि टाइपिंग बचाई" देखना आगे बढ़ते रहने का एक धक्का है जो एक खाली विंडो आपको नहीं देती। अगर यह आपको एक दिखावटी चीज़ लगती है, तो इसे पूरी तरह नज़रअंदाज़ कर दें; इस पर कुछ भी निर्भर नहीं करता।

दोनों क्या करते हैं

दोनों ओपन सोर्स हैं, दोनों डाउनलोड करने के लिए मुफ़्त, दोनों Windows, macOS और Linux पर चलते हैं, और दोनों एक ही तरह काम करते हैं: एक हॉटकी, आप बोलते हैं, टेक्स्ट वहीं आ जाता है जहाँ आपका कर्सर है। दोनों युवा हैं, सार्वजनिक रूप से सक्रिय रूप से विकसित, और आप दोनों में से किसी की भी हर पंक्ति पढ़ सकते हैं। अगर आपको Vito का विचार पसंद है लेकिन क्लाउड नहीं, तो Handy वह परियोजना है जिसकी ओर हम आपको इशारा करेंगे — और यह तुलना आपको चुनने में मदद करने के लिए है, आपको इससे रोकने के लिए नहीं।

तो कौन-सा

• ऑडियो को मशीन कभी नहीं छोड़नी चाहिए? Handy।
• कोई इंटरनेट नहीं, या एक अविश्वसनीय कनेक्शन? Handy।
• पुराना या कम-शक्ति वाला कंप्यूटर? Vito।
• चाहते हैं कि टेक्स्ट पहले से साफ़-सुथरा होकर आए? Vito।
• Mac पर? दोनों — ऊपर बताए संतुलन के आधार पर चुनें, प्लेटफ़ॉर्म के आधार पर नहीं।
• चाहते हैं कि इसकी कीमत सचमुच कुछ भी न हो? Handy।