Vito vs Voxtype

Voxtype è uno strumento di scrittura vocale totalmente locale, push-to-talk, per Linux e macOS: gratuito, open source, ed esegue il modello vocale sulla tua stessa macchina — nessun cloud, nessun account, nessun costo al minuto. Vito fa la stessa cosa di fondo — scorciatoia da tastiera, parli, il testo compare — ma fa la scelta opposta: invia l'audio a un provider cloud, aggiunge una seconda passata con l'IA che trasforma la trascrizione grezza in testo rifinito, e offre un'app desktop completa che gira anche su Windows. Ecco un resoconto onesto di dove ciascuno dei due vince, scritto dalle persone che realizzano Vito e verificato sul sito ufficiale di Voxtype.

A colpo d'occhio

Verificato su voxtype.io ad agosto 2026.

Dove Voxtype è la scelta migliore

Non esce mai nulla dalla tua macchina

Voxtype esegue il riconoscimento sul tuo stesso computer — Whisper, Parakeet, Cohere e diversi altri motori — così funziona senza connessione e nessun audio lascia mai il dispositivo. "Local by default. No cloud, no subscription, no telemetry", come dice il sito; un server Whisper remoto è disponibile ma non è mai obbligatorio. Vito invia sempre l'audio a un provider cloud; la sua fase di pulizia può girare su un LLM locale, ma il riconoscimento vocale (STT) esce comunque. Se il requisito è mantenere la tua voce interamente sul dispositivo, Voxtype è la risposta più pulita — lo stesso compromesso di Handy e VocaLinux.

È gratuito senza asterischi

Nessun account provider, nessun saldo, nessun quindici centesimi all'ora. Con licenza MIT, e gira su hardware che possiedi già. Anche l'app di Vito è gratuita, e può persino essere usata a costo zero abbinando il credito gratuito di AssemblyAI al piano gratuito di Groq — ma questo comporta comunque uno o due account provider, e oltre i limiti gratuiti si aggira sui quindici centesimi all'ora. Voxtype non chiede nulla di tutto ciò.

Un enorme ventaglio di lingue, tutto in locale

Poiché si appoggia a Whisper e ad altri modelli multilingue, Voxtype dichiara il supporto per CJK e "oltre 1600 lingue", tutte riconosciute sul dispositivo. Vito copre 60 lingue per la dettatura e per la sua interfaccia — quelle con più di cinquanta milioni di parlanti —, il che basta alla maggior parte, ma se ti serve una lingua che un provider cloud non offre, un modello locale che invece la offre è un vantaggio concreto.

Vivi nel terminale, su Linux o su un Mac

Voxtype è pensato per il desktop Linux moderno ed è nativo su Wayland: tieni premuto un tasto, parli, rilasci, e le parole atterrano al tuo cursore. Si configura tramite un'interfaccia da terminale interattiva anziché una finestra di impostazioni, mostra una forma d'onda fluttuante mentre parli, mette automaticamente in pausa Spotify e altri lettori MPRIS, e ha una modalità riunione che aggiunge l'attribuzione degli oratori e l'esportazione in Markdown, JSON, SRT o VTT. Gira anche su macOS 13+, inclusi i Mac con Intel. Se ciò che vuoi è uno strumento guidato dalla tastiera e senza GUI, quella superficie più piccola è una funzionalità, non una lacuna.

Dove Vito è la scelta migliore

Il testo esce rifinito, non solo trascritto

È qui tutta la differenza, ed è il motivo per cui Vito ha bisogno di una seconda chiave. Voxtype trascrive — con precisione — ma il parlato è pieno di "ehm", false partenze e frasi che arrivano nell'ordine sbagliato, così una trascrizione grezza si legge comunque come parlato e finisci per correggerla a mano. Vito fa passare ogni dettato attraverso una seconda passata con l'IA per impostazione predefinita: esitazioni rimosse, ricostruita la frase che intendevi, a capo dove li hai chiesti, un "pollice in su" pronunciato trasformato in 👍. Voxtype può fare qualcosa di simile, ma solo se configuri un modello locale di Ollama e soprattutto nella sua modalità riunione — è facoltativo e fai-da-te, non l'impostazione predefinita sempre attiva attorno a cui Vito è costruito.

Il tuo computer non deve essere veloce

Eseguire il modello in locale è la scelta di progetto di Voxtype ed è anche il suo costo: i motori fanno lavoro vero sulla tua CPU (il sito indica 9–11× il tempo reale), e su una macchina più vecchia o più leggera — o senza una GPU capace — questo significa risultati più lenti e una batteria più calda e di minore durata. Vito fa il lavoro pesante nel cloud, così un portatile di otto anni ottiene la stessa precisione di una nuova workstation e il tuo processore resta libero mentre detti. Il prezzo è di circa quindici centesimi all'ora e l'audio che va al provider che hai scelto.

Chiedi all'IA con la voce — Voxtype scrive soltanto

Voxtype trasforma il parlato in testo e si ferma lì. Vito Assist di Vito trasforma il parlato in un'istruzione: "Vito, traduci questo in tedesco", "Vito, qual è la capitale della Francia?", "Vito, il 15% di 240?" — traduzioni, risposte, calcoli e definizioni, pronunciati con la stessa facilità di un dettato e restituiti sul posto. Se vuoi che il tuo dettato risponda anche alle domande, Voxtype non lo fa, Vito sì.

Vuoi Windows, e un'app completa attorno

Vito è disponibile per Windows, macOS e Linux; Voxtype è solo per Linux e Mac, senza una build per Windows. Vito è anche un'applicazione desktop completa — un cruscotto di stato, una cronologia locale ricercabile, statistiche e oltre 50 obiettivi, un mini overlay e un'interfaccia in 60 lingue — mentre Voxtype è deliberatamente terminale prima di tutto, con una TUI per la configurazione anziché schermate da cliccare. Alcuni preferiranno esattamente questo; altri vorranno l'app.

È piuttosto divertente

Una piccola cosa, e non faremo finta che sia decisiva in qualcosa. Vito tiene il conto: parole dettate, frasi ripulite, ore di digitazione che non hai dovuto fare, un grafico della tua settimana. Ci sono oltre 50 obiettivi da sbloccare lungo il percorso, alcuni assurdi, diversi nascosti.

Si scopre che conta più di quanto sembri. Dettare invece di digitare è un'abitudine che devi costruire, e la prima settimana è la parte scomoda — vedere "1 h 38 m di digitazione risparmiati" è una spinta a continuare che una finestra vuota non ti dà. Se ti sembra un espediente, ignoralo pure del tutto; non dipende niente da esso.

Ciò che fanno entrambi

Entrambi sono open source, entrambi gratuiti da scaricare, entrambi mettono il testo dove si trova il cursore tramite una scorciatoia da tastiera push-to-talk, ed entrambi tengono i tuoi dati fuori da qualsiasi piattaforma — Voxtype girando in locale, Vito non avendo alcun account e inviando l'audio solo al provider che hai scelto. Entrambi mettono in pausa la tua musica mentre detti e la riprendono dopo, ed entrambi girano su Linux con un supporto adeguato per Wayland. Se ti piace l'idea di Vito ma non il cloud — o vuoi costo zero e pura trascrizione, sul dispositivo, su Linux o su un Mac — Voxtype è un progetto verso cui siamo felici di indirizzarti, e questo confronto esiste per aiutarti a scegliere, non per dissuaderti.

Quindi quale dei due

• L'audio non deve mai lasciare la macchina, o niente internet? Voxtype.
• Vuoi che non costi letteralmente nulla? Voxtype.
• Ti serve una lingua che un provider cloud non copre? I modelli locali di Voxtype.
• A tuo agio nel terminale, su Linux o su un Mac? Voxtype.
• Vuoi che il testo arrivi già ripulito? Vito.
• Macchina più vecchia o più leggera, senza una GPU capace? Vito.
• Vuoi comandi IA vocali, o una cronologia ricercabile e statistiche? Vito.
• Su Windows? Vito.