Programy do dyktowania w Linuksie: 14 narzędzi, które naprawdę działają (2026)
Większość zestawień programów do dyktowania powstaje z myślą o Windowsie i Macu, a Linuksa dokleja na końcu ktoś, kto nigdy z niego nie korzystał. Tutaj jest odwrotnie: każde narzędzie poniżej ma prawdziwą wersję na Linuksa, a najważniejsza kolumna to Wayland — bo to właśnie na nim większość z nich po cichu przestaje działać.
Sami robimy jedno z tych narzędzi, więc weź na to poprawkę. Staraliśmy się zasłużyć na twoją uwagę, mówiąc konkretnie, w czym inne są lepsze — a niżej znajdziesz kilka sytuacji, w których nie powinieneś wybierać naszego.
Najkrócej
- Ma po prostu działać, bez konfiguracji → Vibe Typer. Jeden AppImage, natywnie na Waylandzie i X11, w chmurze.
- Offline i prosto → Vocalinux. Instalacja jednym poleceniem, obsługuje X11 i Wayland, whisper.cpp.
- Offline, licencja MIT, wieloplatformowo → Handy. Whisper i Parakeet lokalnie. Wayland wymaga pomocy.
- Sterowanie komputerem głosem, nie tylko pisanie → Talon. Uwaga: w Linuksie tylko X11.
- Maksymalna kontrola i frajda z majsterkowania → nerd-dictation.
- Wayland i mało cierpliwości → Vibe Typer, Vocalinux albo VOXD. Cała reszta to praca.
Dlaczego dyktowanie w Linuksie jest trudniejsze, niż powinno
Dyktowanie ma dwie części: zamianę mowy na tekst i wprowadzenie tego tekstu do aplikacji, którą masz przed sobą. Pierwsza jest rozwiązana — Whisper sprawił, że dobra transkrypcja jest darmowa. Na drugiej narzędzia linuksowe się wykładają.
W X11 dowolny proces może wstrzykiwać naciśnięcia klawiszy do dowolnego okna. Właśnie to robi xdotool i dlatego praktycznie każde linuksowe narzędzie do dyktowania sprzed mniej więcej 2022 roku zakładało X11 i działało bez zarzutu.
Wayland celowo to usunął. Klient Waylanda nie może wstrzykiwać zdarzeń wejściowych do innego klienta — o to właśnie chodziło w modelu bezpieczeństwa. Narzędzia oparte na xdotool albo XTestFakeKeyEvent nie degradują się więc stopniowo: po prostu nie robią nic, zwykle bez komunikatu o błędzie. Obejścia to ydotool (wymaga demona uinput i często restartu), dotool albo wtype — ten ostatni nie działa w GNOME, ponieważ GNOME nie implementuje potrzebnego mu protokołu wirtualnej klawiatury.
Dlatego uczciwa kolumna poniżej nazywa się „Wayland”, a nie „Linux”. Ubuntu domyślnie używa Waylanda od 22.04, a Fedora od 34. Jeśli narzędzie reklamuje się „wsparciem dla Linuksa”, a w praktyce chodzi o X11, aktualizacja dystrybucji może po cichu zepsuć ci dyktowanie.
Porównanie
| Narzędzie | Wayland | X11 | Offline | Instalacja | Licencja | Cena |
|---|---|---|---|---|---|---|
| Vibe Typer | Natywnie | Natywnie | Nie | AppImage | Zamknięta | Darmowy plan, 8 $/mies. |
| Vocalinux | Tak | Tak | Tak | Skrypt w jednej linii | GPL-3.0 | Za darmo |
| VOXD | Tak (przez ydotool) | Tak | Tak | .deb / .rpm / .pkg | MIT | Za darmo |
| Handy | Częściowo | Tak | Tak | AppImage | MIT | Za darmo |
| nerd-dictation | Częściowo | Tak | Tak | pip + git + model | GPL-3.0 | Za darmo |
| Talon | Nie | Tak | Tak | Instalator / zip | Zamknięta + Patreon | Za darmo |
| OpenWhispr | Częściowo | Tak | Tak | Aplikacja Electron | Otwarte źródła | Za darmo |
| Whispering | Częściowo | Tak | Tak | Aplikacja desktopowa | Otwarte źródła | Za darmo |
| Speech Note | Osobne okno | Osobne okno | Tak | Flatpak | Otwarte źródła | Za darmo |
| whisper.cpp | Tylko CLI | Tylko CLI | Tak | Kompilacja ze źródeł | MIT | Za darmo |
| Blahst | Częściowo | Tak | Tak | Skrypt | Otwarte źródła | Za darmo |
| Numen | Tak | — | Tak | Źródła | Otwarte źródła | Za darmo |
| VoiceKey | Częściowo | Tak | Nie | .deb | Zamknięta | Płatne |
| Dyktowanie w przeglądarce | — | — | Nie | Brak | — | Za darmo |
„Osobne okno” znaczy, że narzędzie transkrybuje do własnego okna, zamiast pisać w aplikacji, której właśnie używasz. „Częściowo” znaczy, że działa, ale wymaga pomocnika (ydotool, dotool, wtype) i na niektórych kompozytorach może się zachowywać nieprzewidywalnie.
Narzędzia
Vibe Typer
Nasze. Jeden przenośny AppImage — bez repozytoriów, bez zależności, bez modeli do pobrania:
chmod +x VibeTyper.AppImage
./VibeTyper.AppImage
Powód, dla którego jest na górze tej tabeli, to kolumna Wayland. Implementuje ścieżki Waylanda i X11 natywnie, zamiast wywoływać xdotool, wybiera właściwą dla twojej sesji i przenosi ustawienia, gdy się przełączysz. To rzadkość i najczęstszy powód, dla którego ludzie tu trafiają po tym, jak coś innego przestało działać.
Naciskasz skrót, mówisz, a tekst pojawia się tam, gdzie stoi kursor — terminale, edytory, przeglądarki, komunikatory, poczta. Magic Formatter usuwa po drodze „yyy”, urwane zdania i poprawianie się w trakcie, zamiast wiernie je zapisywać. Zaznacz dowolny tekst i powiedz „skróć to”, żeby przepisać go w miejscu. 99 języków z automatycznym wykrywaniem i bez pobierania osobnych modeli dla każdego z nich.
Haczyk, bez owijania w bawełnę: działa w chmurze. Transkrypcja idzie przez Groq z Cloudflare Workers AI jako opcją zapasową i nie ma modelu lokalnego. Dźwięk jest przetwarzany w pamięci i odrzucany, backend nie trzyma żadnej serwerowej pamięci podręcznej transkrypcji i nic nie jest trenowane na twoim głosie — ale potrzebne jest połączenie sieciowe, a „przetworzone i odrzucone” to inna obietnica niż „nigdy nie opuszcza twojego komputera”. Jeśli potrzebujesz tej drugiej, weź Vocalinuksa albo Handy. Serio.
Darmowy plan to 2000 słów i 20 operacji AI miesięcznie, bez karty. Pro kosztuje 8 $ miesięcznie przy płatności rocznej, 10 $ bez zobowiązań.
Najlepsze dla: osób, które chcą dyktować w każdej aplikacji od pierwszego dnia i nie chcą niczego utrzymywać.
Vocalinux
Najbardziej dopracowana opcja offline i jedyne narzędzie tutaj zbudowane najpierw dla Linuksa, a nie przeniesione na niego. Jedno polecenie, a instalator sam wykrywa sprzęt:
curl -fsSL https://raw.githubusercontent.com/jatinkrmalik/vocalinux/main/install.sh -o /tmp/vl.sh && bash /tmp/vl.sh --interactive
Testowane na Ubuntu 22.04+, Debianie 11+, Fedorze 39+, Archu, openSUSE Tumbleweed, Manjaro i EndeavourOS. Działa na X11 i na Waylandzie, co umieszcza je w bardzo wąskim gronie. Domyślnie whisper.cpp z Vulkanem dla obsługi GPU różnych producentów; opcjonalnie także Whisper, VOSK albo zdalne API, które kontrolujesz sam. Bez chmury, bez telemetrii, bez konta. GPL-3.0, bez wersji płatnej.
Najlepsze dla: osób stawiających na offline, które nie chcą, żeby zrobił się z tego projekt. Jeśli to zależność Vibe Typera od chmury nas u ciebie wyklucza, zacznij tutaj.
VOXD
Lokalne dyktowanie, które pisze prosto do aktywnego okna, dostarczane jako prawdziwe pakiety dystrybucyjne zamiast skryptu:
# Ubuntu / Debian
sudo dpkg -i voxd_*.deb
# Fedora
sudo rpm -i voxd-*.rpm
# Arch
sudo pacman -U voxd-*.pkg.tar.zst
Pod spodem whisper.cpp z modelami GGML od 75 MB do 2,9 GB, ponad 99 języków, bez wymogu GPU. Autor podaje, że testował na Arch/Hyprland, Omarchy 3.0, Ubuntu 24.04 i 25.04, Fedorze 42, Pop!_OS 22, Mint 22 i openSUSE Leap 15.6. Opcjonalna obróbka AI lokalnie przez llama.cpp lub Ollamę albo w chmurze, jeśli wolisz. MIT.
Wayland działa, ale wymaga ydotool i restartu — skrypt instalacyjny załatwia to za ciebie.
Najlepsze dla: użytkowników kafelkowych menedżerów okien i wszystkich, którzy wolą prawdziwy pakiet od AppImage.
Handy
Najłagodniejsze wejście w lokalnego Whispera. AppImage dla Linuksa plus wersje na macOS i Windows, licencja MIT, aktywny rozwój.
Dwie rodziny modeli: Whisper (od Small do Large, z akceleracją GPU tam, gdzie jest dostępna) oraz Parakeet V3, zoptymalizowany pod CPU, wykrywający język automatycznie i działający około pięciokrotnie szybciej niż czas rzeczywisty na sprzęcie ze średniej półki. To ta druga opcja jest tu naprawdę ciekawa — oznacza sensowne dyktowanie offline na laptopie bez dedykowanej karty graficznej.
Wayland to słaby punkt. Potrzebny będzie wtype albo dotool, skrót trzeba ustawić w środowisku graficznym, a nie w samym Handy, a dokumentacja projektu sama ostrzega, że niektóre kompozytory traktują nakładkę Handy jako aktywne okno — wtedy wklejony tekst ląduje w złym miejscu.
Najlepsze dla: dyktowania offline na X11 albo na Waylandzie, jeśli godzisz się na konfigurację.
nerd-dictation
To, które w wątkach o Linuksie wymienia się pierwsze, i wciąż najbardziej podatne na przeróbki. Oparte na VOSK, całkowicie offline, bez demona i skryptowalne w stopniu, jakiego nie osiąga tu nic innego — możesz przepisać wynik w Pythonie, zanim zostanie wpisany.
pip3 install vosk
git clone https://github.com/ideasman42/nerd-dictation.git
cd nerd-dictation
wget https://alphacephei.com/kaldi/models/vosk-model-small-en-us-0.15.zip
unzip vosk-model-small-en-us-0.15.zip && mv vosk-model-small-en-us-0.15 model
Wymaga Pythona 3.6+, narzędzia audio (parec, sox albo pw-cat) i symulatora wejścia. Ten ostatni wybór to cała kwestia Waylanda: xdotool jest domyślny i działa tylko na X11, natomiast ydotool, dotool i wtype obsługują Waylanda ze zwykłymi zastrzeżeniami.
Bądź wobec siebie uczciwy co do tego kompromisu. Małe modele VOSK wyraźnie ustępują Whisperowi przy akcentach i hałasie w tle, a czyszczenia przez AI nie ma wcale — dostajesz wierną transkrypcję, razem z „yyy”. W zamian masz pełną kontrolę i zero zależności od czyjejś usługi. GPL-3.0.
Najlepsze dla: osób, które chcą panować nad całym swoim zestawem narzędzi i lubią go konfigurować.
Talon Voice
Jedyne narzędzie tutaj, które robi to, co Dragon. Nie tylko dyktowanie: pełne sterowanie głosem, sterowanie dźwiękami (kliknięcie sykiem albo cmoknięciem), śledzenie wzroku do pozycjonowania kursora i skryptowalna w Pythonie gramatyka poleceń. Społecznościowe zestawy poleceń dla edytorów i IDE są dojrzałe i naprawdę robią wrażenie.
Ważne zastrzeżenie: wsparcie Talona dla Linuksa obejmuje tylko X11. Na Waylandzie to obecnie nie jest twoje narzędzie i jest to najczęściej zgłaszana prośba w jego społeczności.
Za darmo, z opcjonalnym Patreonem, który daje wcześniejszy dostęp i priorytetowe wsparcie. Stroma krzywa uczenia — uczysz się języka poleceń, a nie instalujesz aplikacji.
Najlepsze dla: pracy bez użycia rąk. Jeśli RSI, uraz albo niepełnosprawność ruchowa sprawiają, że to sama klawiatura jest problemem, to jest poważna odpowiedź, a narzędzia wyłącznie do dyktowania jej nie zastąpią.
OpenWhispr
Desktopowa aplikacja w Electronie, która traktuje Linuksa jako pełnoprawną platformę, uruchamiając Whispera i NVIDIA Parakeet w całości na twoim komputerze, bez internetu. Otwarte źródła, ponad 99 języków, skrót działający w całym systemie.
Najlepsze dla: osób, które chcą dopracowanej aplikacji z lokalnym przetwarzaniem i którym nie przeszkadza rozmiar Electrona.
Whispering
Otwarte źródła, lokalny Whisper, wieloplatformowość i jeden z przystępniejszych interfejsów w tej kategorii. Rozsądny następny przystanek, jeśli Handy ci nie podeszło.
Speech Note
flatpak install flathub net.mkiol.SpeechNote
W pełni offline: mowa na tekst, tekst na mowę oraz tłumaczenie maszynowe, z szerokim wsparciem dla wielu języków — między innymi katalońskiego, czeskiego, niemieckiego, duńskiego, hiszpańskiego, perskiego, francuskiego, islandzkiego, włoskiego, koreańskiego, niderlandzkiego, polskiego, portugalskiego, tamilskiego i ukraińskiego. Opcjonalne dodatki GPU dla AMD i Nvidii.
Jedno trzeba powiedzieć jasno: to samodzielna aplikacja do notatek, a nie narzędzie do pisania w całym systemie. Dyktujesz do Speech Note i kopiujesz tekst na zewnątrz. Jeśli celem było mówienie do Slacka, to nie to narzędzie.
Najlepsze dla: transkrypcji offline i wielojęzycznych notatek.
whisper.cpp
To nie aplikacja do dyktowania, tylko szybki silnik inferencji w C++ dla modeli Whisper i fundament kilku narzędzi powyżej. Jeśli jesteś tu po to, żeby złożyć coś samodzielnie, zacznij tutaj — i licz się z tym, że obsługę skrótu, przechwytywanie dźwięku i wstawianie tekstu napiszesz sam. MIT.
Blahst, Numen, VoiceKey
Trzy mniejsze projekty warte poznania. Blahst opiera się na whisper.cpp i daje wprowadzanie głosowe w dowolnym polu. Numen to sterowanie głosem, a nie dyktowanie, zaprojektowane od początku pod Waylanda — lżejsza odpowiedź na problem, który Talon rozwiązuje na X11. VoiceKey (dawniej VoiceHotKey) to płatny .deb dla Ubuntu, Debiana i Minta.
Dyktowanie w przeglądarce
Chrome i Dokumenty Google mają wprowadzanie głosowe od lat i nic za to nie płacisz. Działa jednak wyłącznie w karcie Chrome — nie w terminalu, nie w edytorze, nie w Slacku desktopowym, nie w kliencie poczty. W porządku do jednorazowego długiego dokumentu. Nie do codziennej pracy.
Kto co powinien wybrać
„Chcę mniej pisać na klawiaturze i nie chcę z tego robić projektu.” Vibe Typer. Darmowy plan, jeden plik, działa od pierwszego dnia na obu protokołach graficznych.
„Mój dźwięk nie może nigdy opuścić tego komputera.” Vocalinux, jeśli ma po prostu działać; Handy, jeśli chcesz licencji MIT i wieloplatformowości; nerd-dictation, jeśli chcesz mieć władzę nad każdym elementem. Nie Vibe Typer — działa w chmurze, a to cię z niego wyklucza.
„Jestem na Waylandzie i mam dość tego, że różne rzeczy po cichu przestają działać.”
Vibe Typer, Vocalinux albo VOXD. Ta trójka radzi sobie bez wcześniejszego składania konfiguracji ydotool.
„Nie mogę korzystać z klawiatury.” Talon na X11, Numen na Waylandzie. Narzędzia wyłącznie do dyktowania nie rozwiązują tego problemu, nasze też nie.
„Piszę w kilku językach.” Vibe Typer (99 języków, automatyczne wykrywanie, bez pobierania) albo Speech Note offline. Większość narzędzi opartych na VOSK potrzebuje osobnego modelu na każdy język.
„Dyktuję głównie polecenia asystentom programistycznym.” Każde z nich wpisze tekst do terminala, ale zdalne sesje po SSH to miejsce, w którym większość konfiguracji się sypie — sprawdź to wcześnie, a nie w środku pracy.
Narzędzia, które w Linuksie w ogóle nie działają
Warto to odnotować, bo większość zestawień „najlepszych aplikacji do dyktowania” wymienia je bez słowa o brakującej platformie. Zweryfikowane na podstawie platform deklarowanych przez producentów:
| Narzędzie | Platformy podawane przez producenta | Źródło |
|---|---|---|
| Wispr Flow | macOS, Windows, iPhone, Android, Chrome | wisprflow.ai |
| Superwhisper | macOS, Windows, iOS — zgłoszenie o wsparcie Linuksa w toku | superwhisper.com |
| Aqua Voice | macOS, Windows | aquavoice.com |
| Dragon Professional | Tylko Windows; Wine i maszyny wirtualne oficjalnie nieobsługiwane | dragon.nuance.com |
| TypeWhisper | macOS i Windows stabilnie; iOS w wersji alfa | typewhisper.com |
| Soniox Voice Typing | macOS, Windows, iOS, Android | soniox.com |
| SpeechPulse | Windows, macOS (Apple Silicon) | speechpulse.com |
| PulseScribe | macOS, Windows; Linux w planach | pulsescribe.me |
| Talkativ | Windows | talkativ.app |
| DictaType | Windows | dictatype.com |
| Spokenly | macOS, iOS | spokenly.app |
| BetterDictation | macOS | betterdictation.com |
| Whispur | macOS | whispur.app |
| EdgeWhisper | macOS (Apple Silicon) | edgewhisper.com |
| VoiceInk | macOS 14.4+ | VoiceInk |
Instalacja Vibe Typera
- Pobierz AppImage ze strony pobierania.
chmod +x VibeTyper.AppImage- Uruchom i zezwól na dostęp do mikrofonu.
- Ustaw globalny skrót klawiszowy.
- Kliknij w dowolną aplikację i mów.
Pełny przegląd znajdziesz na stronie dyktowanie głosowe dla Linuksa.
Najczęstsze pytania
Jaki jest najlepszy program do dyktowania w Linuksie?
Dla większości osób wybór sprowadza się do Vibe Typera (bez konfiguracji, działa od razu na Waylandzie i X11, w chmurze) albo Vocalinuksa (offline, instalacja jednym poleceniem, też obsługuje oba protokoły graficzne). Jeśli potrzebujesz sterowania komputerem głosem, a nie tylko pisania — Talon, ale wyłącznie na X11.
Czy są darmowe programy do dyktowania dla Linuksa?
Tak, i kilka z nich jest naprawdę dobrych. Vocalinux, VOXD, Handy, nerd-dictation, Whispering i Speech Note są darmowe i mają otwarte źródła. Vibe Typer ma darmowy plan z limitem 2000 słów miesięcznie.
Które programy do dyktowania w Linuksie działają na Waylandzie?
Vibe Typer, Vocalinux i VOXD działają na Waylandzie bez dodatkowej konfiguracji. Handy, nerd-dictation, OpenWhispr i Whispering mogą działać z ydotool, dotool albo wtype, z zastrzeżeniami zależnymi od kompozytora. Talon obsługuje tylko X11.
Czy mogę dyktować w Linuksie bez połączenia z internetem?
Tak. Vocalinux, VOXD, Handy, nerd-dictation, Speech Note, OpenWhispr, Whispering i Talon działają lokalnie. Vibe Typer nie — działa w chmurze.
Czy dyktowanie działa w terminalu na Linuksie?
Z narzędziem działającym w całym systemie tak — tekst trafia tam, gdzie stoi kursor, także w terminalach i edytorach. Dyktowanie w przeglądarce tego nie potrafi.
Co jest dokładniejsze, Whisper czy VOSK?
Whisper, wyraźnie, zwłaszcza przy akcentach i hałasie w tle. Przewagą VOSK jest to, że jest lekki i swobodnie działa na skromnym sprzęcie. Większość obecnych narzędzi przeszła na Whispera albo whisper.cpp; nerd-dictation to główny pozostały przedstawiciel VOSK.
Jaki jest najlepszy program do dyktowania dla Ubuntu?
Obowiązuje ta sama krótka lista, ale Ubuntu domyślnie używa Waylanda od 22.04, więc ta kolumna liczy się bardziej niż zwykle. Vibe Typer, Vocalinux i VOXD to trójka, która działa na Ubuntu bez wcześniejszych przygotowań.