Vito vs Voxtype

Voxtype è uno strumento di scrittura vocale push-to-talk, locale per impostazione predefinita, per Linux e macOS: gratuito, open source, ed esegue il modello vocale sulla tua stessa macchina — nessun account, nessun costo al minuto, e un motore cloud solo se ne aggiungi uno. Vito fa la stessa cosa di fondo — scorciatoia da tastiera, parli, il testo compare — e può restare in locale con i suoi due motori gestiti, Parakeet e Whistle, aggiungendo 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 e sulla loro repository GitHub a ottobre 2026.

Dove Voxtype è la scelta migliore

Locale per impostazione predefinita, con motori in abbondanza

Voxtype esegue il riconoscimento sul tuo stesso computer con una scelta di nove motori locali — Whisper, Parakeet, Moonshine, SenseVoice, Paraformer, Dolphin, Omnilingual, Cohere e una build OpenVINO di Whisper che può girare sulle NPU Intel — così funziona senza connessione e nessun audio lascia il dispositivo. "Local by default. No cloud, no subscription, no telemetry", come dice il sito; dalla versione 1.0 è integrato un motore cloud Soniox a pagamento, ma solo se lo scegli. Anche Vito può tenere audio e pulizia sul dispositivo, con Whistle o Parakeet e un modello locale compatibile. Voxtype resta la scelta più orientata al terminale, con una gamma molto più ampia di motori vocali locali; Vito è la strada dell'app desktop gestita.

È gratuito senza asterischi

Nessun account provider, nessun saldo, nessun costo d'uso. Con licenza MIT, e gira su hardware che possiedi già — c'è perfino una build di base per i processori senza AVX2. Vito fa lo stesso con Whistle o Parakeet e un modello di pulizia locale; i provider remoti restano facoltativi.

Un enorme ventaglio di lingue, tutto in locale

Grazie al suo modello Omnilingual, Voxtype dichiara "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 in pausa Spotify e altri lettori MPRIS o ne abbassa il volume, e ha una modalità riunione che aggiunge l'attribuzione degli oratori, i riassunti tramite Ollama e l'esportazione in Markdown, JSON, SRT, VTT o testo semplice. 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

Vuoi un STT locale gestito e il controllo sul testo finale

Vito installa e gestisce due motori locali per una trascrizione privata e senza costi di utilizzo: Parakeet, in 25 lingue europee, e Whistle, un download da 18 MB in sette lingue che mostra il testo mentre stai ancora parlando. Un endpoint compatibile con OpenAI ti permette di usare altri motori, locali o remoti. La pulizia ha cinque stili integrati — tra cui Business, Verbatim e Note — più prompt completamente personalizzati e il supporto per modelli locali.

Il testo esce rifinito, non solo trascritto

Questa è una differenza di prodotto importante. 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, attiva di default una volta impostato un modello di pulizia: esitazioni rimosse, ricostruita la frase che intendevi, a capo dove li hai chiesti, un "pollice in su" pronunciato trasformato in 👍. Anche Voxtype può fare qualcosa di simile per ogni dettato — la sua impostazione di post-elaborazione fa passare il testo da qualsiasi comando tu voglia, come Ollama, LM Studio, llama.cpp o uno script — ma sei tu a costruirla e regolarla; è facoltativa e fai-da-te, mentre Vito fornisce gli stili, i prompt e l'impostazione predefinita. Anche la pulizia di Vito richiede un modello, che può essere locale anziché una seconda chiave.

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 sul tuo processore (il sito indica 9–11× il tempo reale per Cohere su CPU), 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. Il motore Soniox facoltativo di Voxtype può togliere quel carico, a pagamento. Vito ti dà più strade per aggirarlo: Whistle è un motore locale leggero, Parakeet copre 25 lingue in locale, e Soniox, AssemblyAI o qualsiasi provider compatibile con OpenAI tengono libero il processore e aggiungono una copertura linguistica più ampia.

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.

Si prende cura di sé su Linux

Vito è distribuito come AppImage e come Flatpak e funziona su X11 oltre che su Wayland. Su niri e Hyprland è onesto riguardo alle scorciatoie globali e ti dà combinazioni pronte da copiare per il tuo compositor. Installa da solo le nuove versioni quando non detti da qualche minuto — puoi disattivarlo — e l'AppImage funziona anche con AppImageUpdate e Gear Lever. Ogni download viene compilato su GitHub Actions, con checksum pubblicati.

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 — una dashboard che componi tu, una cronologia locale ricercabile, statistiche e 52 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. Vito Sync mantiene uguali cronologia, statistiche e dizionario su tutti i tuoi computer tramite una cartella che la tua app di sincronizzazione già sincronizza, senza account, e c'è una versione per browser che non richiede installazione, anche se lì il testo finisce negli appunti. Alcuni preferiranno l'approccio snello di Voxtype esattamente così com'è; altri vorranno l'app.

È piuttosto divertente

Una piccola cosa, e non faremo finta che sia decisiva in qualcosa. Vito tiene il conto su una dashboard che componi tu: parole dettate, ore di digitazione che non hai dovuto fare, un grafico della tua settimana, un calendario degli ultimi sei mesi e una serie di giorni consecutivi — batti il tuo record e la scheda festeggia. Vito in persona, il logo con una faccia, chiacchiera con te mentre detti. 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 e con licenza MIT, entrambi gratuiti da scaricare, entrambi mettono il testo dove si trova il cursore tramite una scorciatoia da tastiera push-to-talk, ed entrambi possono fare tutto il lavoro sulla tua macchina — nessun account, nessun audio che ne esce, nessun costo d'uso — con un motore cloud solo se ne scegli uno. 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 vuoi costo zero, un'ampia scelta di motori sul dispositivo e uno strumento da guidare dal terminale 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? Vanno bene entrambi; Voxtype offre più motori locali.
• Vuoi che non costi letteralmente nulla? Entrambi; tutti e due possono girare in locale senza costi di utilizzo.
• 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 una modalità riunione con gli oratori e l'esportazione dei sottotitoli? Voxtype.
• Vuoi che il testo arrivi già ripulito? Vito.
• Macchina più vecchia o più leggera, senza una GPU capace? Vito, con Whistle o un provider cloud.
• Vuoi comandi IA vocali, o una cronologia ricercabile e statistiche? Vito.
• Su Windows? Vito.