Vito vs Handy

Handy är det närmaste en släkting på den här sidan: gratis, MIT-licensierad, plattformsoberoende, och den kör på Linux. Runt 33 000 personer har stjärnmärkt den på GitHub, vilket är mycket, och förtjänat. Båda kan hålla taligenkänningen på din dator: Handy erbjuder ett utbud av runt 80 lokala modeller, från Whisper till Parakeet, medan Vito själv hanterar två lokala motorer — Parakeet och den mycket lättare Whistle — och dessutom låter dig välja lokala eller fjärranslutna OpenAI-kompatibla slutpunkter.

En snabb överblick

Vito jämfört med Handy
  Vito Handy
Kostnad Gratis app; 0 € lokalt, eller cirka 0,15 €/timme med vanliga molnleverantörer Gratis, helt och hållet
Källkod Öppen, MIT Öppen, MIT
Windows Ja Ja, x64 och ARM64
macOS Ja Ja, Intel och Apple Silicon
Linux Ja Ja, x64 och aarch64
Var det körs På din maskin eller i din webbläsare; molnet är valfritt Din egen maskin
Fungerar offline Ja — med Whistle eller Parakeet och lokal städning Ja
Lokala taligenkänningsmodeller Två, installerade och hanterade av Vito: Parakeet och Whistle Runt 80, bl.a. Parakeet, Whisper, Canary och Moonshine
Hårdvara som krävs Vad som helst, för moln eller Whistle; Parakeet ~1 GB RAM Beror på modellen du väljer
Konton att sätta upp Inga för lokal användning; BYOK är valfritt Inga
AI-städning av text Ja, inbyggd — stilar och dina egna prompter Valfri, experimentell, avstängd som standard
Gränssnittsspråk 60 26
Beror på din hårdvara Inte med en molnleverantör; de lokala motorerna gör det (Whistle är lätt) Ja, avsevärt
AI-kommandon med rösten Ja — säg bara "Vito, …" Nej

Kontrollerat mot handy.computer och deras repository och deras felsökningssida i oktober 2026.

Där Handy är det bättre valet

Ditt tal lämnar aldrig din dator, per design

"Din röst stannar på din dator", som de uttrycker det, och för talet är det bokstavligen sant — varje modell Handy erbjuder körs lokalt, och det finns ingen transkriptionsleverantör i bilden alls. Dess valfria AI-efterbearbetning kan anropa en leverantör med din egen nyckel, men den är avstängd tills du slår på den, och en lokal Ollama fungerar också. Vito ger samma garanti när du väljer Whistle eller Parakeet och en lokal städmodell; med Handy finns det helt enkelt ingen molntranskription att välja av misstag.

Ett brett utbud av lokala modeller

Här har Handy i det tysta dragit ifrån. Den kretsar inte längre bara kring Whisper: den erbjuder ett utbud av runt 80 lokala modeller — bland dem Parakeet V2 och V3, Canary, Moonshine, Whisper i olika storlekar och strömmande modeller — och rekommenderar Parakeet V3 som den stabilaste. Tycker du om att prova modeller och behålla den som passar din röst, ditt språk och din maskin, ger Handy dig mycket mer utrymme. Vito erbjuder medvetet två lokala motorer, Parakeet och Whistle, och hanterar dem åt dig; allt annat går via en OpenAI-kompatibel slutpunkt som du kör själv.

Det är gratis utan asterisk

Inget av verktygen behöver ett leverantörskonto eller betalning för användning när det körs lokalt. Handy gör det per design; Vito kombinerar Whistle eller Parakeet med en valfri lokal städmodell, och låter dig ändå välja fjärrleverantörer när lägre systembelastning eller bredare språkstöd spelar roll.

Inget att ställa in

Ladda ner, välj en modell, diktera — och med Homebrew eller winget är till och med nedladdningen ett enda kommando. Inga API-nycklar, ingen betalningsmetod, inga konton. Vitos hanterade lokala motorer fungerar på samma sätt, och webbläsarversionen behöver ingen installation alls, även om texten där hamnar i ditt urklipp; Vitos val för städning och slutpunkter lägger däremot till fler inställningar.

Där Vito är det bättre valet

Du vill ha lokal bearbetning med mer kontroll över resultatet

Vito installerar och hanterar två lokala motorer: Parakeet, på 25 europeiska språk, och Whistle, en nedladdning på 18 MB på sju språk som visar texten medan du pratar. Det ansluter också till vilken lokal eller fjärransluten OpenAI-kompatibel transkriptionsslutpunkt som helst. AI-städningen erbjuder fem inbyggda stilar — bland dem Business, Verbatim och Notes — och låter dig skriva prompten själv. En lokal städmodell håller även det steget privat.

Vart din röst tar vägen
Din röst
Din dator
Whistle eller Parakeet gör tal till textVito skickar ljudet direkt till din leverantör
En lokal modell snyggar till texten – eller ingen allsDen rensningsmodell du valt snyggar till texten
Text där markören står
Din leverantöranvänds inteSoniox, AssemblyAI eller valfri OpenAI-kompatibel endpoint, med din egen nyckel

Ingenting lämnar din dator. Inget konto, inga användningskostnader.Ljudet går till leverantören du valt och ingen annanstans – det finns ingen Vito-server emellan.

Din dator behöver inte vara snabb

Det här är den ärliga avvägningen och det är värt att vara specifik om. Allt Handy gör körs på din egen processor eller ditt eget grafikkort, så hur snabbt det känns beror på modellen du väljer och maskinen du kör den på. På en kapabel dator flyger det; på en äldre kan du behöva nöja dig med en lättare modell, eller stå ut med långsam diktering.

Vito ger dig två vägar runt det. Med en molnleverantör sker den svåra biten någon annanstans: en åtta år gammal bärbar dator får samma hastighet och noggrannhet som en ny arbetsstation, din processor förblir ledig medan du dikterar, och fläkten hålls tyst. Lokalt är Whistle lätt — 18 MB, med live-text — medan Parakeet vill ha ungefär 1 GB minne och visar texten när du slutar prata. Du väljer mellan låg systembelastning och noll användningsavgifter, och du kan ändra dig senare.

Texten kommer ut färdig, inte bara noggrann

Handy transkriberar, och kan nu valfritt skicka resultatet genom en språkmodell — en experimentell funktion, avstängd som standard, med din egen nyckel eller en lokal Ollama — förutom att den stryker utfyllnadsord utan AI. I Vito är den andra AI-rundan kärnan i produkten: inbyggd, påslagen som standard när en städmodell är inställd, med fem stilar och dina egna prompter. Den tar bort tvekandet, strukturerar om meningen du svävade ut i, lägger till radbrytningarna du bad om och gör om "tummen upp" till 👍. Det är ett annat produktbeslut snarare än ett bättre; vill du bara ha de råa orden är det precis vad Handy ger som standard. Städningen behöver en modell, och det kan vara en lokal OpenAI-kompatibel modell i stället för en andra nyckel.

Om det fungerar bra ligger egentligen inte hos dig

Att köra modellen lokalt är Handys bästa funktion och också dess svåraste del, och deras egen dokumentation är uppriktig om det. Felsökningssidan tar upp Whisper som kraschar, transkription som är långsam, mikrofonen som inte hittas, modeller som inte går att ladda ner, en saknad vulkan-1.dll på Windows, ett tomt fönster på Linux, ett överlägg som stjäl fokus, Wayland som behöver extra konfiguration, och ett GLIBC-fel från AppImage. När en modell krånglar hänvisar de dig till Parakeet V3 som det stabilaste valet.

Inget av det är slarv — det är hur det faktiskt ser ut att leverera lokal inferens över tre operativsystem, med dussintals modeller att välja mellan, och att de dokumenterar det så öppet säger bra saker om projektet. Men det betyder att upplevelsen varierar från maskin till maskin, och att hitta kombinationen av modell, drivrutiner och inställningar som kör snyggt på din dator kan bli lite av ett letande. Vito gör det letandet mindre. Med en molnleverantör körs modellen inte på din maskin alls, så den beter sig likadant överallt. Lokalt erbjuder Vito två motorer i stället för dussintals och installerar själv en fastlåst version av var och en, så det finns mindre att välja och mindre som kan gå fel — även om en lokal modell på en gammal maskin fortfarande är en lokal modell på en gammal maskin.

Gränssnittet talar ditt språk

Vitos eget gränssnitt finns på 60 språk, inte bara dikteringen. Handy levererar 26, vilket är en hel del mer än de flesta projekt av dess storlek bryr sig om.

Fråga AI:n med rösten — Handy har inga röstkommandon

Handy gör om tal till text — uppstädad, om du slår på efterbearbetningen — och stannar där. Vitos Vito Assist gör om tal till en instruktion: "Vito, översätt det här till tyska", "Vito, vad är Frankrikes huvudstad?", "Vito, 15 % av 240?" — översättningar, svar, uträkningar och definitioner, lika enkelt uttalade som en diktering och återgivna på plats. Vill du att din dikteringsapp också svarar på frågor gör Handy inte det, men Vito gör det.

Det är faktiskt ganska kul

En liten sak, och vi ska inte låtsas att den avgör något. Vito räknar på en dashboard du ordnar själv: dikterade ord, timmar av skrivande du slapp, ett diagram över din vecka, en kalender över det senaste halvåret och en svit av dagar i rad — slå ditt rekord så firar kortet. Vito själv, logotypen med ett ansikte, pratar med medan du dikterar. Det finns 50+ prestationer att låsa upp längs vägen, några fåniga, flera dolda.

Det visar sig betyda mer än det låter. Att diktera i stället för att skriva är en vana du måste bygga upp, och första veckan är den ovana delen — att se "1 h 38 m skrivande sparat" är en knuff att fortsätta som ett tomt fönster inte ger dig. Låter det som en gimmick? Strunta gärna helt i det; ingenting hänger på det.

Vad de båda gör

Båda är öppen källkod och MIT-licensierade, båda gratis att ladda ner, båda kör på Windows, macOS och Linux, och båda fungerar likadant: en snabbtangent, du pratar, text landar där din markör står. Båda kan göra hela jobbet på din egen dator, utan konto och utan att något ljud lämnar den. Båda är unga, aktivt utvecklade öppet, och du kan läsa varje rad av båda. Vill du ha det bredaste utbudet av lokala modeller i ett avskalat verktyg som håller sig ur vägen är Handy projektet vi skulle peka dig mot — och den här jämförelsen finns för att hjälpa dig välja, inte för att prata dig ur det.

Så vilken av de två

Vito vs superwhisper → Det andra alternativet med lokala modeller, sluten källkod, med en betald Pro-nivå Ladda ner Vito → Windows, macOS och Linux, gratis, inget konto Prova Vito i webbläsaren → Inget att installera, inget konto — texten hamnar i ditt urklipp