Vito vs Voxtype
Voxtype är ett helt lokalt röstskrivningsverktyg med push-to-talk för Linux och macOS: gratis, öppen källkod, och det kör talmodellen på din egen maskin — inget moln, inget konto, ingen kostnad per minut. Vito gör samma grundläggande sak — snabbtangent, prata, text dyker upp — men gör den motsatta avvägningen: det skickar ljud till en molnleverantör, lägger till en andra AI-omgång som gör det råa transkriptet till färdig text, och levererar en fullständig skrivbordsapp som också körs på Windows. Här är en ärlig redogörelse för var vardera vinner, skriven av personerna som gör Vito och kontrollerad mot Voxtypes egna sidor.
Versionen på en rad
Vill du att din röst ska stanna helt på din Linux- eller Mac-maskin och trivs med att styra den från tangentbordet, då är Voxtype ett fint och genuint gratis svar. Vill du att texten ska komma ut färdig — utfyllnadsord borta, meningar lagade — plus Windows-stöd och en riktig app runt omkring, då är det där Vito går längre.
En snabb överblick
| Vito | Voxtype | |
|---|---|---|
| Jobbet | Du dikterar, den skriver färdig text | Push-to-talk röstskrivning, ett rått transkript |
| AI-städning av texten | Ja, alltid aktiv andra AI-omgång | Valfritt — använd din egen lokala LLM (Ollama), mötesläge |
| Var det körs | Molnet | Din egen maskin |
| Fungerar offline | Nej | Ja |
| Gränssnitt | Fullständig skrivbordsapp — historik, statistik, inställningar | Terminalfokuserad — CLI, TUI-konfiguration, en flytande vågform (macOS menyrad) |
| Windows | Ja | Nej |
| Linux | Ja | Ja, Wayland-nativt |
| macOS | Ja | Ja (13+, Apple Silicon & Intel) |
| Kostnad | Gratis app, ~€0,15 per timme till din egen leverantör | Gratis, helt och hållet |
| Källkod | Öppen | Öppen, MIT |
| Konton att skapa | Två leverantörsnycklar | Inga |
| Talmotorer | Molnleverantör (Soniox, AssemblyAI) | Whisper, Parakeet, Cohere + fler — lokalt |
| Språk | 60, diktering och gränssnitt | 1600+ via de flerspråkiga modellerna |
| AI-kommandon med rösten | Ja — säg bara "Vito, …" | Nej |
| Historik, statistik, prestationer | Ja | Nej |
Kontrollerat mot voxtype.io i augusti 2026.
Där Voxtype är det bättre valet
Ingenting lämnar din maskin, någonsin
Voxtype kör igenkänning på din egen dator — Whisper, Parakeet, Cohere och flera motorer till — så det fungerar utan uppkoppling och inget ljud lämnar någonsin enheten. "Local by default. No cloud, no subscription, no telemetry", som sidan uttrycker det; en Whisper-server på distans erbjuds men krävs aldrig. Vito skickar alltid ljud till en molnleverantör; städningssteget kan köras på en lokal LLM, men tal-till-texten går fortfarande ut. Är kravet att din röst ska stanna helt på enheten, då är Voxtype det renare svaret — samma avvägning som med Handy och VocaLinux.
Det är gratis utan asterisk
Inget leverantörskonto, inget saldo, inga femton cent i timmen. MIT-licensierad, och den körs på hårdvara du redan äger. Vitos app är också gratis, och kan till och med köras utan kostnad genom att kombinera AssemblyAI:s gratiskredit med Groqs gratisnivå — men det innebär ändå ett leverantörskonto eller två, och bortom gratisgränserna handlar det om ungefär femton cent i timmen. Voxtype begär inget av det.
Ett enormt språkomfång, allt lokalt
Eftersom det lutar sig mot Whisper och andra flerspråkiga modeller lyfter Voxtype fram CJK-stöd och "1600+ språk", alla igenkända på enheten. Vito täcker 60 språk för diktering och för sitt gränssnitt — de med mer än femtio miljoner talare — vilket räcker för de flesta, men behöver du ett språk som en molnleverantör inte erbjuder, då är en lokal modell som gör det en verklig fördel.
Du lever i terminalen, på Linux eller en Mac
Voxtype är byggt för det moderna Linux-skrivbordet och är Wayland-nativt: du håller ner en tangent, pratar, släpper, och orden landar vid din markör. Det konfigureras genom ett interaktivt terminalgränssnitt i stället för ett inställningsfönster, visar en flytande vågform medan du pratar, pausar automatiskt Spotify och andra MPRIS-spelare, och har ett mötesläge som lägger till talaridentifiering och export till Markdown, JSON, SRT eller VTT. Det körs även på macOS 13+, inklusive Intel-Mac-datorer. Är ett tangentbordsstyrt verktyg utan grafiskt gränssnitt vad du vill ha, då är den mindre ytan en fördel, inte en brist.
Där Vito är det bättre valet
Texten kommer ut färdig, inte bara transkriberad
Det är hela skillnaden, och det är anledningen till att Vito behöver en andra nyckel. Voxtype transkriberar — korrekt — men tal är fullt av "öhm", falska starter och meningar som kommer i fel ordning, så ett rått transkript läses fortfarande som tal och du sitter och redigerar det för hand. Vito kör som standard varje diktering genom en andra AI-omgång: utfyllnadsord borttagna, meningen du menade återuppbyggd, radbrytningar där du bad om dem, uttalat "tummen upp" omvandlat till 👍. Voxtype kan göra något liknande, men bara om du ställer in en lokal Ollama-modell och främst i dess mötesläge — det är ett tillval och gör-det-själv, inte det alltid aktiva standardläge som Vito är byggt kring.
Din dator behöver inte vara snabb
Att köra modellen lokalt är Voxtypes design och också dess kostnad: motorerna gör verkligt arbete på din CPU (sidan anger 9–11× realtid), och på en äldre eller lättare maskin — eller utan ett kapabelt GPU — betyder det långsammare resultat och ett varmare batteri med kortare livslängd. Vito gör det tunga jobbet i molnet, så en åtta år gammal bärbar dator får samma noggrannhet som en ny arbetsstation och din processor förblir ledig medan du dikterar. Priset är ungefär femton cent i timmen och ljud som går till leverantören du valde.
Fråga AI:n med rösten — Voxtype skriver bara
Voxtype gör tal till text och stannar där. Vitos Vito Assist gör 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 diktering också ska svara på frågor, då gör Voxtype inte det, men Vito gör det.
Du vill ha Windows, och en fullständig app runt omkring
Vito finns för Windows, macOS och Linux; Voxtype är enbart Linux och Mac, utan Windows-version. Vito är dessutom en fullständig skrivbordsapplikation — en statuspanel, en sökbar lokal historik, statistik och 50+ prestationer, en miniöverlagring och ett gränssnitt på 60 språk — där Voxtype medvetet är terminalfokuserat, med ett TUI för konfiguration i stället för skärmar att klicka igenom. Vissa kommer att föredra precis det; andra kommer att vilja ha appen.
Det är faktiskt ganska kul
En liten sak, och vi ska inte låtsas att den avgör något. Vito räknar: dikterade ord, upprensade meningar, timmar av skrivande du slapp, ett diagram över din vecka. 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, båda gratis att ladda ner, båda placerar text där din markör står med en push-to-talk-snabbtangent, och båda håller dina data borta från alla plattformar — Voxtype genom att köra lokalt, Vito genom att inte ha något konto och skicka ljud endast till leverantören du valde. Båda pausar din musik medan du dikterar och återupptar den efteråt, och båda körs på Linux med ordentligt Wayland-stöd. Gillar du idén med Vito men inte molnet — eller vill du ha noll kostnad och ren transkription på enheten på Linux eller en Mac — då är Voxtype ett projekt vi gärna pekar dig mot, och den här jämförelsen finns för att hjälpa dig välja, inte för att prata dig ur det.
Så vilken av de två
- Ljudet får aldrig lämna maskinen, eller inget internet? Voxtype.
- Vill du att det ska kosta bokstavligen ingenting? Voxtype.
- Behöver du ett språk som en molnleverantör inte täcker? Voxtypes lokala modeller.
- Trivs i terminalen, på Linux eller en Mac? Voxtype.
- Vill du att texten ska komma redan städad? Vito.
- Äldre eller lättare maskin, inget kapabelt GPU? Vito.
- Vill du ha AI-kommandon med rösten, eller en sökbar historik och statistik? Vito.
- På Windows? Vito.