Vito 対 Handy

Handy はこのページで最も兄弟に近い存在です。無料、MIT ライセンス、クロスプラットフォーム、そして Linux で動きます。GitHub では約3万3千人がスターを付けており、これは相当な数で、しかも当然のことです。どちらも音声認識をあなたのコンピューターの中にとどめておけます。Handy は Whisper から Parakeet まで約80のローカルモデルのカタログを提供し、Vito は2つのローカルエンジン — Parakeet と、ずっと軽い Whistle — を自分で管理し、さらに OpenAI 互換のローカルまたはリモートのエンドポイントも選べます。

ひと目で

Vito と Handy の比較
  Vito Handy
費用 無料アプリ。ローカルなら0ユーロ、一般的なクラウドプロバイダーなら約0.15ユーロ/時 完全に無料
ソースコード 公開、MIT 公開、MIT
Windows はい はい、x64 と ARM64
macOS はい はい、Intel と Apple Silicon
Linux はい はい、x64 と aarch64
実行場所 あなたのマシン、またはブラウザーの中。クラウドは任意 あなた自身のマシン
オフライン動作 はい — Whistle または Parakeet とローカルのクリーンアップで はい
ローカルの音声モデル 2つ、Vito がインストールして管理:Parakeet と Whistle 約80、Parakeet、Whisper、Canary、Moonshine を含む
必要なハードウェア クラウドか Whistle なら何でも。Parakeet は約1 GB の RAM 選ぶモデルによる
設定するアカウント ローカル利用では不要。BYOKは任意 不要
テキストのAIによる整え はい、組み込み — スタイルと独自のプロンプト 任意、実験的、初期設定ではオフ
インターフェースの言語 60 26
ハードウェア依存 クラウドプロバイダーならなし。ローカルエンジンは依存する(Whistle は軽い) はい、かなり
音声によるAI指示 はい — 「Vito、…」と言うだけ いいえ

2026年10月に handy.computerと そのリポジトリ、そして トラブルシューティングページに照らして確認しました。

Handy の方が優れている場面

設計上、あなたの音声は決してコンピューターから出ない

彼らの言葉を借りれば「あなたの声はあなたのコンピューターにとどまります」、そして音声については文字どおり本当です — Handy が提供するモデルはすべてローカルで動き、文字起こしのプロバイダーはまったく登場しません。任意の AI 後処理では自分のキーでプロバイダーを呼び出せますが、自分でオンにしない限りオフのままで、ローカルの Ollama も使えます。Vito も、Whistle か Parakeet とローカルのクリーンアップモデルを選べば同じ保証を与えます。Handy では、うっかり選んでしまうクラウドの文字起こしがそもそも存在しないというだけです。

ローカルモデルの幅広い選択肢

ここは Handy が静かに先へ進んだところです。もはや Whisper だけを中心にしてはいません。約80のローカルモデルのカタログ — Parakeet V2 と V3、Canary、Moonshine、さまざまなサイズの Whisper、ストリーミングモデルなど — を提供し、最も安定したものとして Parakeet V3 を勧めています。モデルを試し、あなたの声、言語、マシンに合うものを残したいなら、Handy の方がずっと多くの余地を与えてくれます。Vito はあえて2つのローカルエンジン、Parakeet と Whistle を提供し、それをあなたの代わりに管理します。それ以外のものは、自分で動かす OpenAI 互換のエンドポイントを通します。

アスタリスクなしで無料

どちらのツールも、ローカルで動かすならプロバイダーアカウントも利用料の支払いも必要ありません。Handy は設計としてそうなっており、Vito は Whistle か Parakeet に任意のローカルのクリーンアップモデルを組み合わせます。そのうえで Vito は、システム負荷の低さやより広い言語対応が重要なときには、リモートのプロバイダーを選ぶこともできます。

設定するものがない

ダウンロードし、モデルを選び、音声入力する — Homebrew や winget を使えば、ダウンロードさえコマンド1つです。APIキー も、支払い方法も、アカウントもなし。 Vito の管理されたローカルエンジンも同じように動き、ブラウザー版はインストールもまったく要りません。ただしそこではテキストはクリップボードに入ります。Vito のクリーンアップとエンドポイントの選択肢は、たしかに設定項目を増やします。

Vito の方が優れている場面

ローカルで処理しつつ、結果をもっと思いどおりにしたい

Vito は2つのローカルエンジンをインストールして管理します。欧州の25言語に対応する Parakeet と、18 MB のダウンロードで7言語に対応し、話しながらテキストを表示する Whistle です。ローカルでもリモートでも、OpenAI 互換の文字起こしエンドポイントにつなぐこともできます。AIクリーンアップには、Business、Verbatim、Notes を含む 5つの組み込みスタイルがあり、プロンプトを自分で書くこともできます。ローカルのクリーンアップモデルを使えば、その工程もプライベートに保てます。

声の行き先
あなたの声
あなたのコンピューター
Whistle または Parakeet が音声をテキストに変換Vito が音声をプロバイダーへ直接送信
ローカルモデルで整える(なしでも可)選んだクリーンアップモデルで整える
カーソル位置にテキスト
あなたのプロバイダー未使用Soniox、AssemblyAI、または任意の OpenAI 互換エンドポイント(自分のキーで)

何もコンピューターの外に出ません。アカウント不要、利用料もかかりません。音声は選んだプロバイダーにだけ送られ、ほかには行きません。間に Vito のサーバーはありません。

あなたのコンピューターは速くなくてよい

これは正直なトレードオフで、具体的に述べる価値があります。Handy がすることはすべてあなた自身のプロセッサかグラフィックカードで動くので、どれだけ速く感じるかは、選ぶモデルと、それを動かすマシンによって決まります。高性能なコンピューターなら軽快に動きますが、古めのものではより軽いモデルで妥協するか、遅い音声入力に耐える必要があるかもしれません。

Vito はそれを回避する方法を2つ用意しています。クラウドプロバイダーなら、難しい部分は別の場所で行われます。8年前のノートパソコンでも新品のワークステーションと同じ速度と精度が得られ、音声入力中もプロセッサは空いたままで、ファンも静かなままです。ローカルなら、Whistle は軽く — 18 MB で、テキストはリアルタイム — Parakeet は約1 GB のメモリを必要とし、話し終えてからテキストを表示します。低いシステム負荷と使用料ゼロのどちらかを選べ、あとから考えを変えることもできます。

テキストは正確なだけでなく、仕上がって出てくる

Handy は文字起こしをし、いまでは結果を任意で言語モデルに通すこともできます — 実験的な機能で、初期設定ではオフ、自分のキーかローカルの Ollama を使います — ほかに AI を使わないフィラー語の除去もあります。Vito では、その2回目のAI処理こそが製品の中核です。組み込みで、クリーンアップモデルを設定すれば初期設定でオンになり、5つのスタイルと独自のプロンプトがあります。ためらいを取り除き、脱線した文を再構成し、あなたが求めた改行を加え、「サムズアップ」を 👍 に変えます。それはより良い判断というより、異なる製品判断です。生の言葉だけがほしいなら、Handy の初期設定がまさにそれです。クリーンアップにはモデルが必要ですが、2つ目のキーではなく、ローカルの OpenAI 互換モデルでも構いません。

うまく動くかどうかは、実のところあなた次第ではない

モデルをローカルで実行することは Handy の最良の機能であり、同時に最も難しい部分でもあり、彼ら自身のドキュメントはそれについて率直です。トラブルシューティングページは、 Whisper のクラッシュ、文字起こしの遅さ、マイクが見つからないこと、モデルのダウンロード失敗、Windows でのvulkan-1.dllの欠落、Linux での空白のウィンドウ、フォーカスを奪うオーバーレイ、追加設定を要する Wayland、そして AppImage からの GLIBC エラーを扱っています。モデルに問題があるときは、最も安定した選択肢として Parakeet V3 を勧めています。

そのどれも不注意ではありません — それは、数十のモデルから選べる形で、3つのオペレーティングシステムにまたがってローカル推論を提供するということが実際にどう見えるかであり、これほど率直に文書化していること自体、このプロジェクトについて良いことを物語っています。しかしそれは、体験がマシンごとに異なることを意味し、 あなたのコンピューターできれいに動くモデル・ドライバー・設定の組み合わせを見つけるのは、多少の探索になり得ます。Vito はその探索を狭めます。クラウドプロバイダーなら、モデルはそもそもあなたのマシンで動かないので、どこでも同じように振る舞います。ローカルでは、Vito は数十ではなく2つのエンジンを提供し、それぞれ固定したビルドを自分でインストールするので、選ぶものも、うまくいかないことも少なくなります — とはいえ、古いマシンのローカルモデルは、やはり古いマシンのローカルモデルです。

インターフェースがあなたの言語を話す

Vito 自身のインターフェースは、音声入力だけでなく、60の言語で利用できます。Handy は 26を提供しており、これは同程度の規模のほとんどのプロジェクトがわざわざ用意するよりもずっと多い数です。

音声でAIに尋ねる — Handy には音声コマンドがない

Handy は音声をテキストに変えて — 後処理をオンにすれば整えたうえで — そこで止まります。Vito のVito Assistは音声を指示に変えます。「Vito、これをドイツ語に翻訳して」「Vito、フランスの首都は?」「Vito、240の15%は?」 — 翻訳、答え、計算、定義を、音声入力と同じくらい手軽に話して、その場で返します。音声入力アプリに質問にも答えてほしいなら、Handy はしませんが、Vito はします。

それに、なかなか楽しい

ちょっとしたことで、これで何かが決まるふりをするつもりはありません。Vito は自分で組み立てるダッシュボードでカウントを取り続けます。音声入力した単語数、しなくて済んだタイピングの時間、今週のグラフ、過去6か月のカレンダー、そして連続日数の記録。自己ベストを更新すると、カードがお祝いしてくれます。顔のあるロゴである Vito 本人も、音声入力のあいだ横でおしゃべりしてくれます。道のりには 50以上の実績があり、ばかばかしいものもあれば、いくつかは隠されています。

思っている以上に効いてきます。タイピングの代わりに音声入力するのは身につけるべき習慣で、最初の一週間がぎこちない時期です。「タイピング1時間38分を節約」と表示されるのは、空っぽのウィンドウでは得られない、続けるための後押しになります。ギミックに聞こえるなら、まるごと無視してかまいません。何もそれに左右されません。

両方に共通すること

どちらもオープンソースで MIT ライセンス、どちらも無料でダウンロードでき、どちらも Windows・macOS・Linux で動き、どちらも同じように動作します。ホットキーを押し、話すと、テキストがカーソルの位置に入ります。どちらも、アカウントなしで、音声を外に出すことなく、仕事のすべてをあなた自身のコンピューターでこなせます。どちらも若く、公開の場で活発に開発されており、どちらのコードも一行残らず読めます。控えめで邪魔にならないツールで、ローカルモデルを最も幅広く選びたいなら、Handy は私たちがあなたを案内するプロジェクトです — そしてこの比較は、あなたが選ぶのを助けるために存在するのであって、思いとどまらせるためではありません。

では、どちらを

Vito 対 superwhisper → もう一つのローカルモデルの選択肢、クローズドソースで有料の Pro プラン付き Vito をダウンロード → Windows・macOS・Linux、無料、アカウント不要 ブラウザーで Vito を試す → インストールもアカウントも不要 — テキストはクリップボードに入ります