Välja Vitos leverantörer

Vito är gratis och har inget eget konto. Två saker händer med det du säger — något lyssnar, och något städar upp orden det hörde — och för varje halva väljer du vem som gör jobbet: din egen dator, eller en leverantör vars nyckel du själv har. Sedan 2026.9 behöver ingen av halvorna någon nyckel alls.

Den här sidan är kartan. Varje alternativ Vito kan använda, vad det kostar, vad det kräver av dig och vad det är bra och mindre bra på — och för de fyra leverantörer som faktiskt behöver en nyckel, en egen steg-för-steg-guide.

De två halvorna

Den lyssnande halvan gör ord av din röst. Träffsäkerhet, vilka språk du kan diktera på och väntan innan texten dyker upp avgörs här. Den städande halvan gör de orden till text värd att skicka: tvekanden borta, meningar lagade, radbrytningar där du bad om dem. Det är skillnaden mellan diktering och ett referat av någon som pratar.

De två är oberoende. Lokal lyssning med städning i molnet fungerar utmärkt, och tvärtom likaså — välj varje halva för sig.

Den lyssnande halvan

Vito lokalt (Parakeet) Lokalt Ingen användningskostnad

På din dator · inget konto, ingen nyckel · 25 europeiska språk · en engångsnedladdning på ungefär 900 MB

Vito installerar och kör motorn själv: välj den under Inställningar → Taligenkänning, tryck installera en gång, och mer är det inte. Under huven är det parakeet.cpp med NVIDIA:s Parakeet TDT 0.6B v3; Vito hämtar ett låst bygge och modellen, kontrollerar båda mot hashar som ligger i releasen och kör motorn bara så länge du har det kortet valt.

• För: inget att registrera sig för, inget att betala, varken nu eller senare, och inget ljud lämnar din dator. Snabbt är det också — på en stationär dator med 12 kärnor tar en diktering på 13 sekunder ungefär 1,2 s på processorn och 0,25 s med Vulkan-GPU-bygget. Språket känns igen automatiskt.
• Emot: 25 europeiska språk i stället för 60, ungefär 1 GB minne medan det kör och 0,9 GB disk, och arbetet hamnar på din egen processor — märkbart på en tunn laptop, och på batteriet. Ingen live-transkription: texten kommer när du slutar prata. Den här motorn använder inte nyckeltermer, men dina egna rättelser gäller fortfarande.

Valfri OpenAI-kompatibel slutpunkt Lokalt eller fjärr

Din egen server, eller en driftad · en bas-URL, och en nyckel bara om slutpunkten vill ha en · kostnad och språk är vad som finns bakom URL:en

Ge Vito en bas-URL så pratar den med det som svarar: whisper-server, Speaches eller LocalAI på din egen dator, eller driftad Whisper hos Groq och OpenAI. Vito hittar whisper-server på dess egen /inference-väg, anpassar kodarfönstret till den faktiska inspelningen — vilket tog ett 13 sekunder långt klipp från 9,0 s till 4,1 s på processorn — och fogar ihop whisper.cpp:s segment till en rad i stället för att skriva dess radbrytningar i ditt dokument.

• För: nödutgången. Vilken motor du vill, på hårdvara du väljer, inklusive en dator i ditt eget nätverk som gör jobbet åt en laptop som helst slipper.
• Emot: det är du som driver eller väljer servern, och träffsäkerhet, hastighet och språkstöd är dess sak, inte Vitos. Whisper kodar alltid 30 sekunder ljud, så hos en driftad Whisper kan en två sekunder lång diktering kosta lika mycket som en lång.

Soniox Rekommenderas

Deras servrar · din egen nyckel · 60 språk · 0,10–0,12 US$ per timme, deras listpris

Bredast språkstöd och den billigaste molnmotorn i drift, vilket är varför vi rekommenderar den och vad siffran 0,15 € per timme på startsidan bygger på.

• För: alla 60 dikteringsspråk, live-transkription och inget arbete på din dator — själva skälet att välja moln.
• Emot: det är förbetalt, så det måste finnas saldo innan något händer, och om nya konton får provkredit säger Soniox inget om på sin prissida. Ditt ljud går till deras servrar.

AssemblyAI Gratis startkredit

Deras servrar · din egen nyckel · 50 US$ i gratis krediter vid registrering, utan kort · därefter 0,15–0,45 US$ per timme

Den enklaste molnstarten: du kan ha Vito igång innan du lämnar ifrån dig en betaluppgift, och att byta senare är att klistra in en annan nyckel.

• För: kredit i förskott, inget kort efterfrågat, och en andra motor att falla tillbaka på när en transkription blir fel.
• Emot: dyrare per timme än Soniox när krediten är slut, och ditt ljud går till deras servrar.

Den städande halvan

Vad du än väljer är reglerna dina: fem inbyggda uppsättningar — Vito standard, Ordagrant, Affärsskrivande, Anteckningar och Meddelanden — och dina egna därtill. Vito lägger ett fast utdatakontrakt sist i den uppsättning som är aktiv, så en regeluppsättning kan ändra vad städningen gör men aldrig få modellen att klistra in kommentarer vid din markör.

En lokal modell Lokalt Ingen användningskostnad

På din dator · en OpenAI-kompatibel server som Ollama eller LocalAI · inget konto, ingen nyckel

• För: gratis, offline, och inget av det du dikterar lämnar datorn. Tillsammans med lokal Parakeet är det ett Vito utan konto någonstans och utan räkning, någonsin.
• Emot: du behöver en dator som rymmer en hyfsad modell, och städningen är bara så bra som modellen du gav den. På en blygsam laptop är det här det långsammaste av de fyra alternativen.

Groq Rekommenderas Gratisnivå

Deras servrar · din egen nyckel · en på riktigt gratis nivå, utan kort

• För: ingen kostnad, inget kort, och snabbt nog att städningen inte är det du väntar på. Enligt sina egna villkor tränar Groq inte på det du skickar, med en inställning för noll lagring ovanpå.
• Emot: gratisnivån har tak i stället för mätare, så en mycket lång dikteringsdag kan slå i en gräns — och en gratisnivå är leverantörens att ändra. Din text går till deras servrar.

Anthropic (Claude) Toppklass

Deras servrar · din egen nyckel · förbetalda krediter, ingen gratisnivå

• För: bäst av dessa på att göra text av en transkription, och den att ge Vito Assist när du vill att de talade svaren ska vara värda att läsa.
• Emot: det kostar pengar från första dikteringen, och ett konto utan saldo anmäler sig som ett förvirrande fel i stället för som ett tomt konto.

Valfri annan OpenAI-kompatibel leverantör

En bas-URL och en nyckel · den leverantörens egna modeller och priser

• För: betalar du redan någon för tokens kan Vito använda dem. Kostnadskortet följer den modell du faktiskt valt, så uppskattningen är ingen gissning utifrån den billigaste.
• Emot: du väljer modell och får leva med den. Om en lägger tusentals tokens på att fundera och inte returnerar något är lösningen Thinking-reglaget, inte en större tokenbudget.

Tre upplägg som håller

• Inget att registrera sig för. Lokal Parakeet och en lokal modell. Inget konto någonstans, ingen användningskostnad, och varken ljudet eller texten lämnar datorn. Priset är belastningen på din dator, och 25 språk i stället för 60.
• Gratis, med jobbet gjort någon annanstans. AssemblyAI:s gratis startkredit för lyssnandet, Groqs gratisnivå för städningen. Ingen av dem ber om kort, din dator får vara i fred, och du dikterar inom tio minuter. Krediten tar förstås slut till slut.
• Bästa resultatet. Soniox för att lyssna, Claude för att städa, för ungefär 0,15 € per timme tal, allt inräknat. 60 språk, live-transkription och den renaste texten av alla kombinationer här.

Innan du börjar

Några saker värda att veta, vilken väg du än väljer:

• Du kan ta dig hela vägen till diktering utan att betala eller registrera dig för något. Det är den lokala vägen ovan. Vill du hellre att molnet gör jobbet tar AssemblyAI:s startkredit och Groqs gratisnivå dig dit utan kort också.
• De betalda är förbetalda. Soniox och Anthropic behöver saldo innan de gör något. Några euro är mycket diktering, men noll är noll, och ett tomt konto anmäler sig som ett förvirrande fel i stället för som ett tomt konto.
• Lägger du till ett kort, sätt en utgiftsgräns medan du ändå är där. Det tar en minut och är det enda som står mellan ett misstag och ditt saldo. (Gratisnivåer och lokala modeller kan inte dra på sig en räkning, så där finns inget att begränsa.)
• En nyckel är ett lösenord. Den som har den spenderar dina pengar — eller använder din gratiskvot. Varje guide går igenom hur du tar hand om den ordentligt.
• Inget av det här är permanent. Varje alternativ är ett eget kort under Inställningar → Taligenkänning, och att byta är att välja ett annat. Att börja lokalt och lägga till en nyckel senare — eller tvärtom — kostar dig ingenting.