Wybór dostawców dla Vito

Vito jest darmowe i nie ma własnego konta. Z tym, co mówisz, dzieją się dwie rzeczy — coś słucha, a coś porządkuje usłyszane słowa — i dla każdej połowy sam wybierasz, kto wykonuje pracę: twój komputer albo dostawca, którego klucz masz u siebie. Od wersji 2026.9 żadna z połówek nie wymaga klucza.

Ta strona jest mapą. Każda opcja, z której Vito potrafi skorzystać, ile kosztuje, czego od ciebie wymaga i w czym jest dobra lub słaba — a dla czterech dostawców, którzy klucza faktycznie potrzebują, osobny przewodnik krok po kroku.

Dwie połowy

Połowa słuchająca zamienia twój głos w słowa. Dokładność, języki, w których możesz dyktować, i czas oczekiwania na tekst rozstrzygają się tutaj. Połowa porządkująca zamienia te słowa w tekst, który warto wysłać: wahania znikają, zdania są naprawione, a znaki końca wiersza trafiają tam, gdzie o nie prosiłeś. To właśnie odróżnia dyktowanie od zapisu kogoś mówiącego.

Obie są niezależne. Lokalne słuchanie z porządkowaniem w chmurze jest w porządku, tak samo jak odwrotnie — wybieraj każdą połowę osobno.

Połowa słuchająca

Vito lokalnie (Parakeet) Lokalnie Bez opłat za użycie

Na twoim komputerze · bez konta i bez klucza · 25 języków europejskich · jednorazowe pobranie około 900 MB

Vito samo instaluje i uruchamia silnik: wybierz go w Ustawienia → Rozpoznawanie mowy, naciśnij raz instaluj i to cała konfiguracja. Pod spodem jest parakeet.cpp z modelem Parakeet TDT 0.6B v3 od NVIDII; Vito pobiera przypiętą kompilację i model, sprawdza oba względem skrótów zapisanych w wydaniu i uruchamia silnik tylko wtedy, gdy ta karta jest wybrana.

• Za: nigdzie się nie rejestrujesz, nic nie płacisz, ani teraz, ani później, i żaden dźwięk nie opuszcza twojej maszyny. Jest przy tym szybko — na komputerze z 12 rdzeniami 13-sekundowe dyktowanie zajmuje około 1,2 s na procesorze i 0,25 s w kompilacji GPU Vulkan. Język rozpoznawany jest automatycznie.
• Przeciw: 25 języków europejskich zamiast 60, około 1 GB pamięci w trakcie pracy i 0,9 GB dysku, a praca ląduje na twoim procesorze — widać to na cienkim laptopie i na baterii. Nie ma transkrypcji na żywo: tekst pojawia się, gdy przestaniesz mówić. Ten silnik nie korzysta z terminów kluczowych, choć twoje własne poprawki nadal działają.

Dowolny punkt końcowy zgodny z OpenAI Lokalnie lub zdalnie

Twój własny serwer albo hostowany · adres bazowy, a klucz tylko wtedy, gdy ten punkt końcowy go wymaga · koszt i języki są takie, jakie ma to, co stoi za adresem

Podaj Vito adres bazowy, a porozmawia z tym, co odpowie: whisper-server, Speaches albo LocalAI na twojej maszynie, lub hostowany Whisper w Groq i OpenAI. Vito znajduje whisper-server na jego własnej ścieżce /inference, dopasowuje okno kodera do rzeczywistego nagrania — co skróciło 13-sekundowy fragment z 9,0 s do 4,1 s na procesorze — i scala segmenty whisper.cpp z powrotem w jedną linię, zamiast wpisywać jego znaki końca wiersza do twojego dokumentu.

• Za: furtka awaryjna. Dowolny silnik, na sprzęcie, który sam wybierzesz, łącznie z maszyną w twojej sieci pracującą za laptopa, który wolałby tego nie robić.
• Przeciw: to ty prowadzisz lub wybierasz serwer, a dokładność, szybkość i obsługa języków to jego sprawa, nie Vito. Whisper zawsze koduje 30 sekund dźwięku, więc na hostowanym Whisperze dwusekundowe dyktowanie może kosztować tyle, co długie.

Soniox Polecane

Ich serwery · twój klucz · 60 języków · 0,10–0,12 USD za godzinę, ich cena z cennika

Najszersza obsługa języków i najtańszy w użyciu silnik chmurowy — dlatego to jego polecamy i na nim opiera się kwota 0,15 € za godzinę ze strony głównej.

• Za: wszystkie 60 języków dyktowania, transkrypcja na żywo i zero pracy na twojej maszynie — właśnie po to sięga się po chmurę.
• Przeciw: działa przedpłatowo, więc saldo musi być, zanim cokolwiek się wydarzy, a tego, czy nowe konta dostają kredyt próbny, Soniox nie podaje na stronie z cennikiem. Twój dźwięk trafia na ich serwery.

AssemblyAI Darmowy kredyt na start

Ich serwery · twój klucz · 50 USD darmowego kredytu przy rejestracji, bez karty · potem 0,15–0,45 USD za godzinę

Najłatwiejszy start w chmurze: Vito może działać, zanim podasz jakiekolwiek dane płatnicze, a późniejsza zmiana to kwestia wklejenia innego klucza.

• Za: kredyt z góry, żadnej karty i drugi silnik, do którego można wrócić, gdy transkrypcja wyjdzie źle.
• Przeciw: drożej za godzinę niż Soniox, gdy kredyt się skończy, a twój dźwięk trafia na ich serwery.

Połowa porządkująca

Cokolwiek wybierzesz, reguły należą do ciebie: pięć wbudowanych zestawów — Domyślny Vito, Dosłownie, Pisanie biznesowe, Notatki i Wiadomości — oraz twoje własne ponad nimi. Vito dokleja do aktywnego zestawu stały kontrakt wyjścia, więc zestaw reguł może zmienić to, co robi oczyszczanie, ale nigdy nie sprawi, że model wklei komentarz w miejscu kursora.

Model lokalny Lokalnie Bez opłat za użycie

Na twoim komputerze · serwer zgodny z OpenAI, np. Ollama lub LocalAI · bez konta i bez klucza

• Za: za darmo, offline i nic z tego, co dyktujesz, nie opuszcza maszyny. W parze z lokalnym Parakeetem to Vito bez konta gdziekolwiek i bez rachunku, kiedykolwiek.
• Przeciw: potrzebujesz maszyny, która udźwignie przyzwoity model, a oczyszczanie jest tylko tak dobre, jak model, który mu dasz. Na skromnym laptopie to najwolniejsza z czterech opcji.

Groq Polecane Darmowy poziom

Ich serwery · twój klucz · naprawdę darmowy poziom, bez karty

• Za: bez kosztów, bez karty i na tyle szybko, że to nie na oczyszczanie się czeka. Zgodnie z własnym regulaminem Groq nie trenuje na tym, co wysyłasz, a dodatkowo oferuje ustawienie zerowej retencji.
• Przeciw: darmowy poziom ma limity zamiast licznika, więc bardzo długi dzień dyktowania może o nie zahaczyć — a darmowy poziom należy do dostawcy i może się zmienić. Twój tekst trafia na ich serwery.

Anthropic (Claude) Najwyższa półka

Ich serwery · twój klucz · kredyt przedpłacony, bez darmowego poziomu

• Za: najlepszy z nich w zamienianiu zapisu w tekst i ten, który warto dać Vito Assist, gdy chcesz, by mówione odpowiedzi były warte czytania.
• Przeciw: kosztuje od pierwszego dyktowania, a konto bez salda zgłasza się jako mylący błąd, a nie jako puste konto.

Dowolny inny dostawca zgodny z OpenAI

Adres bazowy i klucz · własne modele i ceny danego dostawcy

• Za: jeśli już komuś płacisz za tokeny, Vito może z nich skorzystać. Karta kosztów podąża za modelem, który faktycznie wybrałeś, więc szacunek nie jest zgadywanką opartą na najtańszym.
• Przeciw: wybierasz model i z nim żyjesz. Jeśli któryś zużyje tysiące tokenów na rozmyślanie i nic nie zwróci, lekarstwem jest przełącznik Thinking, a nie większy budżet tokenów.

Trzy zestawy, które mają sens

• Bez żadnej rejestracji. Lokalny Parakeet i model lokalny. Żadnego konta, nigdzie, żadnych opłat za użycie, a ani dźwięk, ani tekst nie opuszczają maszyny. Ceną jest obciążenie komputera i 25 języków zamiast 60.
• Za darmo, z pracą wykonaną gdzie indziej. Darmowy kredyt startowy AssemblyAI na słuchanie, darmowy poziom Groq na porządkowanie. Żadne z nich nie prosi o kartę, twoja maszyna zostaje w spokoju, a ty dyktujesz w dziesięć minut. Kredyt w końcu jednak się kończy.
• Najlepszy wynik. Soniox do słuchania, Claude do porządkowania, za około 0,15 € za godzinę mowy, wszystko razem. 60 języków, transkrypcja na żywo i najczystszy tekst ze wszystkich kombinacji tutaj.

Zanim zaczniesz

Kilka rzeczy, które warto wiedzieć, którąkolwiek drogą pójdziesz:

• Możesz dojść aż do dyktowania, nic nie płacąc i nigdzie się nie rejestrując. To ta lokalna droga powyżej. Jeśli wolisz, żeby pracę wykonała chmura, kredyt startowy AssemblyAI i darmowy poziom Groq zaprowadzą cię tam również bez karty.
• Płatne działają przedpłatowo. Soniox i Anthropic potrzebują salda, zanim cokolwiek zrobią. Kilka euro to mnóstwo dyktowania, ale zero to zero, a puste konto zgłasza się jako mylący błąd, a nie jako puste konto.
• Jeśli dodajesz kartę, od razu ustaw limit wydatków. Zajmuje to minutę i jest jedyną rzeczą między pomyłką a twoim saldem. (Darmowe poziomy i modele lokalne nie wygenerują rachunku, więc dopóki przy nich zostajesz, nie ma czego ograniczać.)
• Klucz to hasło. Kto go ma, wydaje twoje pieniądze — albo zużywa twój darmowy limit. Każdy przewodnik tłumaczy, jak o niego zadbać.
• Nic z tego nie jest na zawsze. Każda opcja to osobna karta w Ustawienia → Rozpoznawanie mowy, a zmiana to wybranie innej. Zacząć lokalnie i dodać klucz później — albo odwrotnie — nic nie kosztuje.