Escolhendo os provedores do Vito

O Vito é gratuito e não tem conta própria. Duas coisas acontecem com o que você diz — algo escuta e algo arruma as palavras ouvidas — e para cada metade você escolhe quem faz o trabalho: o seu próprio computador ou um provedor cuja chave é sua. Desde a 2026.9 nenhuma das duas metades precisa de chave.

Esta página é o mapa. Todas as opções que o Vito sabe usar, quanto custam, o que pedem de você e no que são boas ou fracas — e, para os quatro provedores que realmente precisam de chave, um guia passo a passo próprio.

As duas metades

A metade que escuta transforma a sua voz em palavras. Precisão, os idiomas em que você pode ditar e a espera até o texto aparecer se decidem aqui. A metade que arruma transforma essas palavras em texto que vale a pena enviar: hesitações fora, frases consertadas, quebras de linha onde você pediu. É o que separa o ditado da transcrição de alguém falando.

As duas são independentes. Escuta local com limpeza na nuvem funciona bem, e o contrário também — escolha cada metade pelos méritos dela.

A metade que escuta

Vito local (Parakeet) Local Sem custo de uso

No seu computador · sem conta, sem chave · 25 idiomas europeus · um download único de cerca de 900 MB

O Vito instala e roda o motor sozinho: escolha-o em Configurações → Reconhecimento de fala, aperte instalar uma vez e a instalação acaba aí. Por baixo está o parakeet.cpp com o Parakeet TDT 0.6B v3 da NVIDIA; o Vito baixa uma build fixada e o modelo, confere ambos com os hashes embutidos na release e só executa o motor enquanto esse cartão estiver selecionado.

• A favor: nada para se cadastrar, nada a pagar, agora ou nunca, e nenhum áudio sai da sua máquina. E é rápido: em um desktop de 12 núcleos, um ditado de 13 segundos leva cerca de 1,2 s na CPU e 0,25 s com a build de GPU Vulkan. O idioma é detectado sozinho.
• Contra: 25 idiomas europeus em vez de 60, cerca de 1 GB de memória enquanto roda e 0,9 GB de disco, e o trabalho cai no seu próprio processador — dá para sentir em um notebook fino, e na bateria. Não há transcrição ao vivo: o texto chega quando você para de falar. Este motor não usa os termos-chave, embora as suas correções continuem valendo.

Qualquer endpoint compatível com OpenAI Local ou remoto

Seu próprio servidor ou um hospedado · uma URL base e uma chave só se aquele endpoint pedir · custo e idiomas são os de quem está atrás da URL

Dê ao Vito uma URL base e ele conversa com o que responder: whisper-server, Speaches ou LocalAI na sua máquina, ou Whisper hospedado na Groq e na OpenAI. O Vito encontra o whisper-server no caminho /inference dele, ajusta a janela do codificador à gravação real — o que levou um trecho de 13 segundos de 9,0 s para 4,1 s na CPU — e junta de novo os segmentos do whisper.cpp em uma linha só, em vez de digitar as quebras de linha no seu documento.

• A favor: a saída de emergência. O motor que você quiser, no hardware que escolher, inclusive uma máquina da sua rede fazendo o trabalho por um notebook que preferia não fazer.
• Contra: o servidor é você que escolhe ou mantém, e precisão, velocidade e cobertura de idiomas são assunto dele, não do Vito. O Whisper sempre codifica 30 segundos de áudio, então em um Whisper hospedado um ditado de dois segundos pode custar o mesmo que um longo.

Soniox Recomendado

Os servidores deles · a sua chave · 60 idiomas · US$ 0,10–0,12 por hora, o preço de tabela deles

A maior cobertura de idiomas e o motor de nuvem mais barato de usar — por isso é o que recomendamos e é nele que se baseia o valor de € 0,15 por hora da página inicial.

• A favor: todos os 60 idiomas de ditado, transcrição ao vivo e nenhum trabalho na sua máquina — exatamente o motivo de escolher a nuvem.
• Contra: é pré-pago, então precisa haver saldo antes de qualquer coisa acontecer, e se contas novas ganham crédito de teste é algo que a Soniox não informa na página de preços. Seu áudio vai para os servidores deles.

AssemblyAI Crédito inicial grátis

Os servidores deles · a sua chave · US$ 50 em créditos grátis no cadastro, sem cartão · depois US$ 0,15–0,45 por hora

O começo mais fácil na nuvem: dá para ter o Vito funcionando antes de entregar qualquer dado de pagamento, e trocar depois é questão de colar outra chave.

• A favor: crédito adiantado, nenhum cartão pedido e um segundo motor para recorrer quando uma transcrição sai errada.
• Contra: mais caro por hora que a Soniox depois que o crédito acaba, e seu áudio vai para os servidores deles.

A metade que arruma

Escolha o que escolher, as regras são suas: cinco conjuntos embutidos — Padrão do Vito, Literal, Escrita profissional, Notas e Mensagens — e os seus por cima. O Vito acrescenta um contrato de saída fixo ao conjunto ativo, de modo que um conjunto de regras pode mudar o que a limpeza faz, mas nunca fazer o modelo colar comentários onde está o seu cursor.

Um modelo local Local Sem custo de uso

No seu computador · um servidor compatível com OpenAI, como Ollama ou LocalAI · sem conta, sem chave

• A favor: grátis, offline, e nada do que você dita sai da máquina. Junto com o Parakeet local, é um Vito sem conta em lugar nenhum e sem fatura, nunca.
• Contra: você precisa de uma máquina que aguente um modelo decente, e a limpeza é tão boa quanto o modelo que você deu a ela. Em um notebook modesto, é a mais lenta das quatro opções.

Groq Recomendado Nível gratuito

Os servidores deles · a sua chave · um nível realmente gratuito, sem cartão

• A favor: sem custo, sem cartão e rápido o bastante para que a limpeza não seja o que faz você esperar. Pelos próprios termos, a Groq não treina com o que você envia, e ainda oferece uma configuração de retenção zero.
• Contra: o nível gratuito é limitado em vez de medido, então um dia muito longo de ditado pode esbarrar num limite — e um nível gratuito é do provedor, que pode mudá-lo. Seu texto vai para os servidores deles.

Anthropic (Claude) Primeira linha

Os servidores deles · a sua chave · créditos pré-pagos, sem nível gratuito

• A favor: o melhor destes em transformar transcrição em texto, e o que vale dar ao Vito Assist quando você quer que as respostas faladas valham a leitura.
• Contra: custa dinheiro desde o primeiro ditado, e uma conta sem saldo se anuncia como um erro confuso em vez de uma conta vazia.

Qualquer outro provedor compatível com OpenAI

Uma URL base e uma chave · os modelos e preços daquele provedor

• A favor: se você já paga tokens a alguém, o Vito pode usá-los. O cartão de custo segue o modelo que você realmente selecionou, então a estimativa não é um chute baseado no mais barato.
• Contra: você escolhe o modelo e convive com ele. Se um gastar milhares de tokens deliberando e não devolver nada, a solução é o controle Thinking, não um orçamento maior de tokens.

Três montagens que fazem sentido

• Sem se cadastrar em nada. Parakeet local e um modelo local. Nenhuma conta em lugar nenhum, nenhum custo de uso, e nem o seu áudio nem o seu texto saem da máquina. O preço é a carga no seu computador e 25 idiomas em vez de 60.
• Grátis, com o trabalho feito fora. O crédito inicial grátis da AssemblyAI para escutar e o nível gratuito da Groq para arrumar. Nenhum dos dois pede cartão, sua máquina fica tranquila e em dez minutos você está ditando. O crédito, porém, acaba uma hora.
• O melhor resultado. Soniox para escutar, Claude para arrumar, por cerca de € 0,15 por hora de fala, tudo incluído. 60 idiomas, transcrição ao vivo e o texto mais limpo de todas as combinações daqui.

Antes de começar

Algumas coisas que vale saber, seja qual for o caminho:

• Você consegue chegar a ditar sem pagar nem se cadastrar em nada. É o caminho local acima. Se preferir que a nuvem faça o trabalho, o crédito inicial da AssemblyAI e o nível gratuito da Groq também levam você lá sem cartão.
• Os pagos são pré-pagos. Soniox e Anthropic precisam de saldo antes de fazer qualquer coisa. Alguns euros são muito ditado, mas zero é zero, e uma conta vazia se anuncia como um erro confuso em vez de uma conta vazia.
• Se adicionar um cartão, defina um limite de gastos enquanto está lá. Leva um minuto e é a única coisa entre um descuido e o seu saldo. (Níveis gratuitos e modelos locais não podem gerar fatura, então enquanto você ficar neles não há o que limitar.)
• Uma chave é uma senha. Quem a tiver gasta o seu dinheiro — ou consome a sua cota gratuita. Cada guia explica como cuidar dela direito.
• Nada disso é definitivo. Cada opção é um cartão diferente em Configurações → Reconhecimento de fala, e trocar é questão de escolher outro. Começar local e acrescentar uma chave depois — ou o contrário — não custa nada.