Vito vs Voxtype

O Voxtype é uma ferramenta de escrita por voz totalmente local, de premir para falar, para Linux e macOS: gratuita, open source, e corre o modelo de voz na tua própria máquina — sem nuvem, sem conta, sem custo por minuto. O Vito faz o mesmo trabalho de fundo — atalho, falas, o texto aparece — mas faz a troca oposta: envia o áudio a um fornecedor na nuvem, acrescenta uma segunda passagem de IA que transforma a transcrição bruta em texto acabado, e traz uma app de ambiente de trabalho completa que também corre no Windows. Este é um relato honesto de onde cada um ganha, escrito pelas pessoas que fazem o Vito e verificado na própria página do Voxtype.

Num relance

Verificado com voxtype.io em agosto de 2026.

Onde o Voxtype é a melhor escolha

Nada sai da tua máquina, nunca

O Voxtype corre o reconhecimento no teu próprio computador — Whisper, Parakeet, Cohere e vários outros motores — por isso funciona sem ligação e nunca sai áudio do dispositivo. "Local by default. No cloud, no subscription, no telemetry", como a página o diz; é oferecido um servidor Whisper remoto, mas nunca é obrigatório. O Vito envia sempre áudio a um fornecedor na nuvem; o seu passo de limpeza pode correr num LLM local, mas o voz-para-texto continua a sair. Se o requisito é que a tua voz fique inteiramente no dispositivo, o Voxtype é a resposta mais limpa — a mesma troca do Handy e do VocaLinux.

É gratuito sem asterisco

Sem conta de fornecedor, sem saldo, sem quinze cêntimos à hora. Com licença MIT, e corre em hardware que já tens. A app do Vito também é gratuita, e pode até ser corrida sem custos juntando o crédito grátis da AssemblyAI ao nível gratuito do Groq — mas isso ainda implica uma conta de fornecedor ou duas, e passadas as cotas gratuitas são cerca de quinze cêntimos à hora. O Voxtype não pede nada disso.

Um enorme leque de idiomas, tudo local

Como assenta no Whisper e noutros modelos multilingues, o Voxtype anuncia suporte para CJK e "mais de 1600 idiomas", todos reconhecidos no dispositivo. O Vito cobre 60 idiomas para o ditado e para a sua interface — os que têm mais de cinquenta milhões de falantes —, o que chega para a maioria, mas se precisares de um idioma que um fornecedor na nuvem não oferece, um modelo local que o faça é uma vantagem real.

Vives no terminal, em Linux ou num Mac

O Voxtype foi feito para o ambiente de trabalho Linux moderno e é nativo em Wayland: manténs uma tecla, falas, largas, e as palavras aterram no teu cursor. Configura-se por uma interface de terminal interativa em vez de uma janela de definições, mostra uma forma de onda flutuante enquanto falas, coloca automaticamente em pausa o Spotify e outros leitores MPRIS, e tem um modo reunião que acrescenta atribuição de oradores e exportação para Markdown, JSON, SRT ou VTT. Corre também no macOS 13+, incluindo os Mac com Intel. Se o que queres é uma ferramenta conduzida pelo teclado e sem GUI, essa superfície mais pequena é uma funcionalidade, não uma falha.

Onde o Vito é a melhor escolha

O texto sai acabado, não só transcrito

É esta toda a diferença, e é a razão de o Vito precisar de uma segunda chave. O Voxtype transcreve — com exatidão — mas a fala está cheia de "hãs", arranques falsos e frases que chegam na ordem errada, por isso uma transcrição bruta continua a ler-se como fala e acabas a editá-la à mão. O Vito passa cada ditado por uma segunda passagem de IA por predefinição: bordões removidos, a frase que querias reconstruída, quebras de linha onde as pediste, "polegar para cima" dito transformado em 👍. O Voxtype consegue fazer algo parecido, mas só se configurares um modelo local de Ollama e sobretudo no seu modo reunião — é opcional e faz-tu-mesmo, não a predefinição sempre ativa em torno da qual o Vito é construído.

O teu computador não precisa de ser rápido

Correr o modelo localmente é o design do Voxtype e também o seu custo: os motores fazem trabalho a sério no teu CPU (a página indica 9–11× o tempo real), e numa máquina mais antiga ou mais leve — ou sem uma GPU capaz — isso significa resultados mais lentos e uma bateria mais quente e de menor duração. O Vito faz o trabalho pesado na nuvem, por isso um portátil de oito anos obtém a mesma precisão que uma estação de trabalho nova e o teu processador fica livre enquanto ditas. O preço são cerca de quinze cêntimos à hora e o áudio a ir para o fornecedor que escolheste.

Pergunta à IA por voz — o Voxtype só escreve

O Voxtype transforma fala em texto e para aí. O Vito Assist do Vito transforma fala numa instrução: "Vito, traduz isto para alemão", "Vito, qual é a capital de França?", "Vito, 15 % de 240?" — traduções, respostas, contas e definições, ditas tão facilmente como um ditado e devolvidas no lugar. Se queres que o teu ditado também responda a perguntas, o Voxtype não o faz, e o Vito faz.

Queres Windows, e uma app completa à volta

O Vito está para Windows, macOS e Linux; o Voxtype é só para Linux e Mac, sem versão para Windows. O Vito é também uma aplicação de ambiente de trabalho completa — um painel de estado, um histórico local pesquisável, estatísticas e mais de 50 conquistas, um mini overlay e uma interface em 60 idiomas — enquanto o Voxtype é deliberadamente terminal primeiro, com uma TUI para configurar em vez de ecrãs para clicar. Alguns vão preferir exatamente isso; outros vão querer a app.

É bastante divertido

Uma coisa pequena, e não vamos fingir que decide seja o que for. O Vito vai contando: palavras ditadas, frases limpas, horas de escrita que não tiveste de fazer, um gráfico da tua semana. Há mais de 50 conquistas para desbloquear pelo caminho, algumas disparatadas, várias escondidas.

Acontece que importa mais do que parece. Ditar em vez de escrever é um hábito que tens de construir, e a primeira semana é a parte desconfortável — ver "1 h 38 m de escrita poupada" é um empurrão para continuar que uma janela em branco não te dá. Se isto te soa a truque, ignora-o por completo; nada depende disso.

O que ambos fazem

Ambos são open source, ambos gratuitos de transferir, ambos põem texto onde está o teu cursor a partir de um atalho de premir para falar, e ambos mantêm os teus dados fora de qualquer plataforma — o Voxtype por correr localmente, o Vito por não ter conta e enviar áudio só para o fornecedor que escolheste. Ambos colocam a tua música em pausa enquanto ditas e retomam-na depois, e ambos correm no Linux com suporte adequado de Wayland. Se gostas da ideia do Vito mas não da nuvem — ou queres custo zero e transcrição pura, no dispositivo, em Linux ou num Mac — o Voxtype é um projeto para onde temos todo o gosto em te apontar, e esta comparação existe para te ajudar a escolher, não para te demover dele.

Então qual dos dois

• O áudio nunca pode sair da máquina, ou sem internet? Voxtype.
• Queres que não custe literalmente nada? Voxtype.
• Precisas de um idioma que um fornecedor na nuvem não cobre? Os modelos locais do Voxtype.
• À vontade no terminal, em Linux ou num Mac? Voxtype.
• Queres que o texto chegue já limpo? Vito.
• Máquina mais antiga ou leve, sem uma GPU capaz? Vito.
• Queres comandos de IA por voz, ou um histórico pesquisável e estatísticas? Vito.
• No Windows? Vito.