Vito vs Handy

Handy 是本页上最像"兄弟"的一个:免费、采用 MIT 许可、跨平台,而且在 Linux 上运行。已有约 33000 人在 GitHub 上给它加了星,这很多,也当之无愧。两者都能把语音识别留在你的电脑上:Handy 提供一个约 80 个本地模型的目录,从 Whisper 到 Parakeet;而 Vito 自己管理两个本地引擎——Parakeet,以及轻得多的 Whistle——同时也允许你选择 OpenAI 兼容的本地或远程端点。

一览

Vito 与 Handy 对比
  Vito Handy
费用 免费应用;本地使用 0 欧元,常见云服务商约为每小时 0.15 欧元 完全免费
源代码 开放,MIT 开放,MIT
Windows 是 是,x64 和 ARM64
macOS 是 是,Intel 和 Apple Silicon
Linux 是 是,x64 和 aarch64
在哪里运行 在你的机器上或浏览器里;云端可选 你自己的机器
离线可用 是——使用 Whistle 或 Parakeet 加本地文本清理 是
本地语音模型 两个,由 Vito 安装和管理:Parakeet 和 Whistle 约 80 个,含 Parakeet、Whisper、Canary 和 Moonshine
所需硬件 用云端或 Whistle 时任何机器都行;Parakeet 约需 1 GB 内存 取决于你挑选的模型
需配置的账户 本地使用无需账户;BYOK 可选 无
文字的 AI 整理 是,内置——多种风格和你自己的提示词 可选、实验性、默认关闭
界面语言 60 26
取决于你的硬件 用云端提供商时不取决;本地引擎会取决(Whistle 很轻) 是,相当大
语音 AI 指令 是——只需说 "Vito, …" 否

于 2026 年 10 月对照 handy.computer、 它们的仓库与 它们的故障排查页核对。

Handy 是更好选择的场景

你的语音从设计上就不会离开你的电脑

正如它们所说,"你的声音留在你的电脑上",而就语音而言这是字面意义上的真——Handy 提供的每个模型都在本地运行,画面里根本没有任何转写提供商。它可选的 AI 后处理可以用你自己的密钥调用某个提供商,但除非你打开,它一直是关着的,而且本地的 Ollama 也能用。只要你选了 Whistle 或 Parakeet 再加一个本地清理模型,Vito 也给出同样的保证;用 Handy,则根本没有云端转写可供你误选。

大量本地模型可供选择

这是 Handy 悄悄领先的地方。它已不再只围着 Whisper 转:它提供一个约 80 个本地模型的目录——其中有 Parakeet V2 和 V3、 Canary、Moonshine、各种尺寸的 Whisper 以及流式模型——并推荐 Parakeet V3 作为最稳定的选择。如果你喜欢试用模型、留下最适合你的声音、你的语言和你的机器的那个,Handy 给你的空间大得多。Vito 有意只提供两个本地引擎,Parakeet 和 Whistle,并替你管理它们;其他任何模型都要通过你自己运行的 OpenAI 兼容端点。

它免费,没有星号

两款工具在本地运行时,都不需要提供商账户,也没有用量付费。Handy 从设计上就是如此;Vito 则把 Whistle 或 Parakeet 与一个可选的本地清理模型结合起来,并且在更低的系统负载或更广的语言支持重要时,仍允许你选择远程提供商。

什么都不用配置

下载、选一个模型、口述——用 Homebrew 或 winget,连下载都只是一条命令。没有 API 密钥、没有付款方式、没有账户。 Vito 的托管本地引擎也是这样用的,它的浏览器版更是完全无需安装,只是在那里文字会落到你的剪贴板上;不过 Vito 的清理和端点选项确实会多出一些设置。

Vito 是更好选择的场景

你想要本地处理,并对结果有更多掌控

Vito 会安装并管理两个本地引擎:Parakeet,覆盖 25 种欧洲语言;Whistle,一个 18 MB 的下载,覆盖七种语言,在你说话时就显示文字。它也能连接任何本地或远程的 OpenAI 兼容转写端点。它的 AI 清理提供五种内置风格——包括商务、逐字和笔记——也允许你自己写提示词。用一个本地清理模型,这一步同样保持私密。

你的声音去了哪里
你的声音
你的电脑
Whistle 或 Parakeet 把语音转成文字Vito 把音频直接发给你的服务商
由本地模型整理文字,也可以不整理由你选择的整理模型来整理文字
文字出现在光标处
你的服务商未使用Soniox、AssemblyAI 或任何兼容 OpenAI 的端点,用你自己的密钥

什么都不会离开你的电脑。无需账户,没有使用费。音频只发给你选择的服务商,不去别处——中间没有 Vito 的服务器。

你的电脑不必快

这是那笔坦诚的取舍,值得说具体。Handy 所做的一切都跑在你自己的处理器或显卡上,所以它用起来有多快,取决于你选的模型和你运行它的机器。在一台够格的电脑上它飞快;在较旧的电脑上,你可能得将就一个较轻的模型,或者忍受缓慢的听写。

Vito 给你两条绕开它的路。用云端提供商,难的部分在别处完成:一台八年前的笔记本得到的速度和准确度,与一台崭新的工作站一样,你口述时处理器保持空闲、风扇也保持安静。在本地,Whistle 很轻——18 MB,文字实时出现——而 Parakeet 需要约 1 GB 内存,并在你停下后才显示文字。你在低系统负载和零使用费之间做选择,之后还可以改主意。

文字出来是成品,而不只是准确

Handy 做转写,而且现在可以选择把结果再交给一个语言模型处理——这是一项实验性功能,默认关闭,用你自己的密钥或本地的 Ollama——此外还能不借助 AI 去掉口头语。在 Vito 中,这第二道 AI 是产品的核心:内置,一旦设好清理模型就默认开启,带五种风格和你自己的提示词。它去掉迟疑、重组你絮叨的那句话、加上你要求的换行、把"点赞"变成 👍。那是一个不同的产品决定、而非更好的决定;如果你只想要原始的词,Handy 的默认正是如此。清理需要一个模型,它可以是本地的 OpenAI 兼容模型,而不必是第二把密钥。

它是否运行良好,其实不由你决定

在本地运行模型是 Handy 最好的功能,也是它最难的部分,而它们自己的文档对此很坦率。故障排查页涵盖了 Whisper 崩溃、转写变慢、找不到麦克风、模型下载失败、Windows 上缺失的 vulkan-1.dll、Linux 上的空白窗口、抢焦点的悬浮层、需要额外配置的 Wayland,以及来自 AppImage 的 GLIBC 错误。某个模型出问题时,它们会建议你改用最稳定的 Parakeet V3。

这些都不是马虎——这就是在三个操作系统上、带着几十个可选模型交付本地推理真实的样子,而它们如此公开地记录下来,说明这个项目是好的。但这确实意味着体验因机器而异,而找到那套在你电脑上跑得顺的模型、驱动和设置的组合,可能得费一番搜寻。Vito 缩小了这番搜寻。用云端提供商,模型根本不在你的机器上跑,所以它在任何地方表现都一样。在本地, Vito 提供的是两个引擎而不是几十个,并亲自为每个安装一个固定版本,所以要选的更少、能出错的也更少——不过,旧机器上的本地模型终究还是旧机器上的本地模型。

界面说你的语言

Vito 自己的界面有 60 种语言,不只是它的听写。Handy 提供 26 种,这已经比多数同等规模的项目愿意花的力气多得多。

用语音问 AI —— Handy 没有语音指令

Handy 把语音变成文字——如果你打开它的后处理,还会整理一下——然后到此为止。Vito 的 Vito Assist 则把语音变成一条指令:"Vito, 把这句翻成德语""Vito, 法国的首都是哪里?""Vito, 240 的 15%?"——翻译、答案、算术和释义,说得就像一次口述一样轻松、就地返回。如果你想让你的听写应用也回答问题,Handy 不会,而 Vito 会。

其实还挺好玩

一件小事,我们也不会假装它能决定什么。Vito 会在一块由你自己布置的仪表盘上替你计数:口述的词数、你省下的打字时长、一张本周的图表、一份最近六个月的日历,还有连续使用的天数——打破纪录时,卡片还会为你庆祝一番。 Vito 本尊,也就是那个长了张脸的标志,会在你口述时陪你聊上几句。一路上有 50 多项成就可解锁,有些很无厘头,好几项是隐藏的。

结果它比听上去更重要。用口述代替打字是一种需要养成的习惯,而头一周正是别扭的阶段—— 看到"已省下 1 小时 38 分钟的打字"是一记推动你坚持下去的助力,空白窗口可给不了你。要是你觉得这不过是花招,那就完全无视它;一切都不依赖于它。

两者都做的事

两者都开源、都采用 MIT 许可、都免费下载、都在 Windows、macOS 和 Linux 上运行,而且工作方式相同:一个热键、你说话、文字落在你光标所在处。两者都能在你自己的电脑上完成全部工作,无需账户,也没有音频离开电脑。两者都很年轻、都公开活跃开发,你能读到任何一方的每一行代码。如果你想在一个精简、不碍事的工具里拥有最多的本地模型选择,Handy 就是我们会给你指的那个项目——而这份对比的存在是为帮你选择,而不是劝你别选它。

那么该用哪个

Vito vs superwhisper → 另一个本地模型选项,闭源,带付费的 Pro 层级 下载 Vito → Windows、macOS 和 Linux,免费,无需账户 在浏览器中试用 Vito → 无需安装,无需账户——文字会落到你的剪贴板上