Vito 対 VocaLinux

VocaLinuxはLinux向けの、純粋主義者のためのオフライン音声入力ツールです。無料でオープンソース、そして音声認識をあなた自身のマシン上で実行します——アカウント不要、クラウド不要。Vitoも中核となる部分は同じです——ホットキーを押して話すとテキストが現れます——し、2つの管理されたエンジン、ParakeetとWhistleで、同じようにすべてをローカルにとどめることもできます。そのうえで、生の文字起こしを仕上がったテキストに変えるAI処理を加えます。以下は、それぞれがどこで勝るのかについての率直な説明であり、 Vitoを作っている人間が執筆し、VocaLinux自身のページと照合したものです。

一行でまとめると

あなたの声を完全にLinuxマシン上にとどめたい、そして正確な文字起こしさえあればよいのなら、VocaLinuxのほうがすっきりした答えです。テキストが仕上がった状態で出てきてほしい——つなぎ言葉が消え、文が整えられた状態で——なら、Vitoに組み込まれたAI クリーンアップこそ、VocaLinuxがあなた自身のスクリプトに任せている部分です。

ひと目でわかる比較

Vito と VocaLinux の比較
  Vito VocaLinux
仕事の中身 あなたが音声入力すると、仕上がったテキストを入力 音声テキスト変換(STT)、生の文字起こし
テキストのAIクリーンアップ あり、2回目のAI処理、初期設定でオン 組み込みではない——フックで自分のスクリプトにテキストを渡せる
動作する場所 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。リモートAPIは任意
オフラインで動作 はい——WhistleまたはParakeetとローカルのクリーンアップで はい
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 オープン、MIT オープン、AGPL-3.0
Linux はい、X11 と Wayland。AppImage と Flatpak はい、X11 と Wayland。.deb、.rpm、Flatpak、Snap
Windows はい、同じアプリで ベータ、別アプリとして(VocaWin)
macOS はい、同じアプリで はい、別アプリとして(VocaMac)
設定が必要なアカウント ローカル利用では不要。BYOKは任意 なし
音声エンジン Vito管理のParakeetとWhistle(ローカル)、Soniox、AssemblyAI、またはOpenAI互換STT whisper.cpp、Faster Whisper、Parakeet、VOSK——ローカル。リモートAPIは任意
音声によるAIコマンド あり——ただ「Vito、…」と言うだけ なし——編集コマンドのみ
履歴、統計、実績 はい——ダッシュボード、5,000件の音声入力、52の実績 最近の履歴と辞書。統計や実績はなし

vocalinux.com と GitHubリポジトリを 2026年10月に照合しました。

VocaLinux のほうが良い選択となる場面

何ひとつマシンの外に出ない、絶対に

VocaLinuxは認識モデルをあなた自身のコンピューター上で実行します——標準では whisper.cpp、あるいはFaster Whisper、Parakeet、VOSK——ので、接続なしで動作し、音声が一切マシンの外に出ることはありません。彼らの言葉を借りれば「クラウドへのアップロードなし、テレメトリなし、アカウントなし」です。リモートAPIは望めば使えますが、必須ではありません。VitoもWhistleかParakeetとローカルのOpenAI互換モデルを使えば、音声もクリーンアップも同じようにしっかり端末内にとどめられます。VocaLinuxはよりすっきりした、文字起こし優先の選択肢で、Vitoは管理されたエンジン、任意のクラウドプロバイダー、そして仕上がったテキストを加えます。

注釈なしで無料

プロバイダーのアカウントも、残高も、使用料もありません。AGPL-3.0で、彼らの言葉では「プレミアム階層なし」。Vitoもローカルで動かすなら同じ約束をします。Whistleか Parakeetに、ローカルのクリーンアップモデルを組み合わせるだけです。リモートのプロバイダーは選択肢であって、必須ではありません。

純粋主義的な、Linux優先のツールが欲しい

VocaLinuxはLinux向けに作られ、ひとつのことをします。話した言葉をアクティブなアプリケーションに、X11とWaylandで、切り替え式またはプッシュ・トゥ・トークの設定可能なホットキーを介して入力します。理にかなった追加機能も増えました——トレイに表示される最近の音声入力の履歴、修正機能付きのカスタム辞書、フローティングオーバーレイ、言語ごとのホットキー、話者ラベル付きのファイル文字起こし、そしてテキストを好きなコマンドに渡せるフック——が、依然としてアカウントも、統計も、アシスタントもありません。それがまさにあなたの望むものなら、機能面が小さいことは欠点ではなく利点です。MacとWindows 向けには、VocaHQがいまでは別のアプリを作っています。9月から安定版のVocaMacと、ベータ版のVocaWinです。

Vito のほうが良い選択となる場面

ローカルSTTをVitoに管理してもらい、テキストも仕上げてほしい

Vitoは、プライベートで使用料ゼロの文字起こしのために、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、まだ話しているうちからテキストを表示するWhistleです。OpenAI互換のエンドポイントを使えば、ほかのローカルまたはリモートのエンジンも使えます。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に加えて、完全にカスタムのプロンプトとローカルモデルへの対応があります。

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。

テキストが仕上がった状態で出てくる、単に文字起こしされるのではなく

これは依然として、製品としての最もはっきりした違いです。VocaLinuxは文字起こしをします——正確に——が、話し言葉は「えー」や言い直し、順序が入れ替わって届く文であふれています。そのため正確な文字起こしでも依然として話し言葉のように読め、結局は手で直すことになります。Vitoは文字起こしを、初期設定でオンになっている2回目のAI処理に通します。つなぎ言葉を取り除き、あなたが言いたかった文を組み立て直し、頼んだところで改行を入れ、声に出した「サムズアップ」を👍に変えます。段落なら気の利いた程度のことですが、メールなら音声入力と手入力の違いになります。VocaLinux自体にはクリーンアップがありません。新しい後処理フックを使えば、自分で用意したスクリプトやローカルモデルにテキストを通せます。強力ですが、自分で組む必要があります。Vitoでも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、ローカルのモデルでも構いません。

あなたのコンピューターは高速である必要がない

モデルをローカルで動かすことはVocaLinuxの設計であり、同時にそのコストでもあります。ずいぶん身軽にはなりました——ParakeetとFaster Whisperはいまでは普通のCPUで動き、 VulkanによってAMD、Intel、NVIDIAのグラフィックスも活用できます——が、認識はやはりあなた自身のプロセッサで行われ、古い、あるいは非力なマシンでは、結果が遅くなり、バッテリーも熱くなります。Vitoでは、そのトレードを自分で選べます。Whistleは軽く、 Parakeetはローカルで25言語を使え、クラウドプロバイダーならシステム負荷を抑えつつ、より幅広い言語に対応できます。

AIに声で尋ねる——VocaLinux のコマンドは編集だけ

VocaLinuxは音声をテキストに変え、それを編集するための音声コマンドを備えて、そこで止まります。VitoのVito Assistは音声を指示に変えます。「Vito、これをドイツ語に訳して」「Vito、フランスの首都は?」「Vito、240の15%は?」——翻訳、回答、計算、定義を、音声入力と同じくらい手軽に話しかけ、その場で返します。音声入力に質問への回答も兼ねてほしいなら、VocaLinuxはしませんが、Vitoはします。

Linuxで、自分の面倒は自分で見てくれる

VitoはAppImageとFlatpakで提供され、X11とWaylandで動きます。niriとHyprlandではグローバルホットキーについて正直に伝え、あなたのコンポジター向けにそのままコピーできるキー割り当てを渡してくれます。数分間音声入力していないと、新しいバージョンを自分でインストールし——これはオフにもできます——AppImageはAppImageUpdateやGear Lever にも対応しています。すべてのダウンロードはGitHub Actionsでビルドされ、チェックサムが公開されています。

3つのシステムすべてで1つのアプリ、おまけ付き

VitoはWindows・macOS・Linuxで1つのアプリです。VocaHQはほかの2つのシステムを別々のアプリでカバーしており、Windows版はまだベータです。インストール不要のブラウザー版もありますが、そこではテキストはクリップボードに入ります。Vitoは最大5,000件の音声入力の検索可能な履歴、あなたが自分で並べるダッシュボード、解除できる52の実績を備え、 Vito Syncが、あなたの同期アプリがすでに同期しているフォルダーを通じて、履歴、統計、辞書をすべてのコンピューターで同じに保ちます——アカウントも、Vitoのサーバーもなし。 VocaLinuxにもいまではトレイの履歴と独自の辞書がありますが、統計や実績はありません ——それを好む人もいれば、物足りなく感じる人もいるでしょう。

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。

両方に共通してできること

どちらもオープンソースで、どちらも無料でダウンロードでき、どちらもホットキーからカーソルのある場所にテキストを入力し、どちらも仕事のすべてをあなた自身のマシンでこなせます——アカウントなし、音声が外に出ることなし、使用料なし。どちらもLinux上で、きちんとしたX11とWaylandのサポートで動作します。Linuxで費用ゼロの、すっきりした文字起こし優先の音声入力が欲しく、それ以上のことは自分のスクリプトでやるというなら、 VocaLinuxこそ私たちがあなたに勧めるプロジェクトです。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、どちらを選ぶか

Vito 対 Handy → もう一つのローカルなオープンソースの選択肢、クロスプラットフォーム 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