Vito vs Voxtype

O Voxtype é uma ferramenta de escrita por voz local primeiro, de premir para falar, para Linux e macOS: gratuita, open source, e corre o modelo de voz na tua própria máquina — sem conta, sem custo por minuto, e com um motor na nuvem só se o acrescentares. O Vito faz o mesmo trabalho de fundo — atalho, falas, o texto aparece — e consegue mantê-lo local com os seus dois motores geridos, o Parakeet e o Whistle, acrescentando 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 e o repositório deles no GitHub em outubro de 2026.

Onde o Voxtype é a melhor escolha

Local por predefinição, com motores de sobra

O Voxtype corre o reconhecimento no teu próprio computador com uma escolha de nove motores locais — Whisper, Parakeet, Moonshine, SenseVoice, Paraformer, Dolphin, Omnilingual, Cohere e uma versão OpenVINO do Whisper que pode correr em NPUs da Intel — por isso funciona sem ligação e nenhum áudio sai do dispositivo. "Local by default. No cloud, no subscription, no telemetry", como a página o diz; desde a versão 1.0 traz integrado um motor cloud pago, o Soniox, mas só se o escolheres. O Vito também consegue manter o áudio e a limpeza no dispositivo, com o Whistle ou o Parakeet e um modelo local compatível. O Voxtype continua a ser a escolha mais virada para o terminal, com um leque muito maior de motores de voz locais; o Vito é o caminho da app de ambiente de trabalho gerida.

É gratuito sem asterisco

Sem conta de fornecedor, sem saldo, sem custos de utilização. Com licença MIT, e corre em hardware que já tens — há até uma versão base para processadores sem AVX2. O Vito faz o mesmo com o Whistle ou o Parakeet e um modelo local de limpeza; os fornecedores remotos continuam opcionais.

Um enorme leque de idiomas, tudo local

Através do seu modelo Omnilingual, o Voxtype anuncia "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 em pausa o Spotify e outros leitores MPRIS ou baixa-lhes o volume, e tem um modo reunião que acrescenta atribuição de oradores, resumos via Ollama e exportação para Markdown, JSON, SRT, VTT ou texto simples. 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

Queres STT local gerido e controlo sobre o texto final

O Vito instala e gere dois motores locais para transcrição privada e sem custos de utilização: o Parakeet, em 25 idiomas europeus, e o Whistle, um download de 18 MB em sete idiomas que mostra o texto enquanto ainda estás a falar. Um endpoint compatível com OpenAI deixa-te usar outros motores, locais ou remotos. A limpeza tem cinco estilos integrados — incluindo Business, Verbatim e Notes — mais prompts totalmente personalizados e suporte para modelos locais.

O texto sai acabado, não só transcrito

É uma grande diferença de produto. 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, ligada por predefinição assim que há um modelo de limpeza definido: bordões removidos, a frase que querias reconstruída, quebras de linha onde as pediste, "polegar para cima" dito transformado em 👍. O Voxtype também consegue fazer algo parecido em cada ditado — a sua definição de pós-processamento passa o texto por qualquer comando que quiseres, como o Ollama, o LM Studio, o llama.cpp ou um script — mas és tu que o constróis e afinas; é opcional e faz-tu-mesmo, ao passo que o Vito traz os estilos, os prompts e a predefinição. A limpeza do Vito também precisa de um modelo, e esse pode ser local em vez de uma segunda chave.

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 próprio processador (a página indica 9–11× o tempo real para o Cohere numa CPU), 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 motor Soniox opcional do Voxtype pode tirar-lhe esse peso, mediante pagamento. O Vito dá-te mais caminhos para contornar isso: o Whistle é um motor local leve, o Parakeet cobre 25 idiomas localmente, e o Soniox, a AssemblyAI ou qualquer fornecedor compatível com OpenAI mantêm o teu processador livre e acrescentam mais idiomas.

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.

Trata de si próprio no Linux

O Vito vem como AppImage e como Flatpak e funciona tanto em X11 como em Wayland. No niri e no Hyprland é honesto sobre os atalhos globais e entrega-te configurações de atalho prontas a copiar para o teu compositor. Instala as versões novas sozinho quando não ditas há uns minutos — podes desligar isso — e o AppImage também funciona com o AppImageUpdate e o Gear Lever. Cada download é compilado no GitHub Actions, com checksums publicados.

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 dashboard que organizas à tua maneira, um histórico local pesquisável, estatísticas e 52 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. O Vito Sync mantém o teu histórico, as estatísticas e o dicionário iguais em todos os teus computadores através de uma pasta que a tua própria app de sincronização já sincroniza, sem conta, e há uma versão de navegador que não precisa de instalação, embora aí o texto vá para a área de transferência. Alguns vão preferir a abordagem enxuta do Voxtype tal como está; outros vão querer a app.

É bastante divertido

Uma coisa pequena, e não vamos fingir que decide seja o que for. O Vito leva a conta num dashboard que organizas à tua maneira: palavras ditadas, horas de escrita que não tiveste de fazer, um gráfico da tua semana, um calendário dos últimos seis meses e uma sequência de dias seguidos — bate o teu recorde e o cartão festeja. O próprio Vito, o logótipo com cara, vai conversando contigo enquanto ditas. 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 e com licença MIT, ambos gratuitos de transferir, ambos põem texto onde está o teu cursor a partir de um atalho de premir para falar, e ambos conseguem fazer o trabalho todo na tua própria máquina — sem conta, sem áudio a sair dela, sem custos de utilização — com um motor na nuvem só se escolheres um. Ambos colocam a tua música em pausa enquanto ditas e retomam-na depois, e ambos correm no Linux com suporte adequado de Wayland. Se queres custo zero, uma vasta escolha de motores no dispositivo e uma ferramenta que conduzes a partir do terminal 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? Qualquer um serve; o Voxtype oferece mais motores locais.
• Queres que não custe literalmente nada? Qualquer um; ambos correm localmente sem custos de utilização.
• 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 um modo reunião com oradores e exportação de legendas? Voxtype.
• Queres que o texto chegue já limpo? Vito.
• Máquina mais antiga ou leve, sem uma GPU capaz? Vito, com o Whistle ou um fornecedor cloud.
• Queres comandos de IA por voz, ou um histórico pesquisável e estatísticas? Vito.
• No Windows? Vito.