3步打造你的本地AI会议助手:Meetily隐私保护全攻略
2026-04-24 11:19:46作者:申梦珏Efrain
为什么选择本地AI会议助手?
你是否经历过这些会议困境:重要讨论内容记不全、会议记录占用大量时间、担心敏感信息通过云端会议工具泄露?Meetily作为一款开源本地AI会议助手,彻底解决了这些问题。
Meetily采用"数据零出境"架构,所有录音、转录和AI分析都在你的设备上完成。与传统云端解决方案相比,它带来了三大革命性改变:
| 特性 | 传统云端工具 | Meetily本地方案 |
|---|---|---|
| 数据处理位置 | 第三方服务器 | 本地设备 |
| 网络依赖 | 必须联网 | 完全离线可用 |
| 隐私风险 | 数据可能被共享或泄露 | 100%数据控制权 |
| 延迟问题 | 受网络状况影响 | 无网络延迟 |
| 长期成本 | 订阅费用累积 | 一次性部署终身使用 |
快速入门:3种部署方案任选
方案A:Docker一键部署(推荐新手)
Docker部署是最简单的方式,适合所有操作系统:
- 准备工作:确保已安装Docker Desktop
- 获取代码:
git clone https://gitcode.com/GitHub_Trending/me/meeting-minutes cd meeting-minutes/backend - 启动服务:
- Windows PowerShell:
.\build-docker.ps1 cpu .\run-docker.ps1 start -Interactive - macOS/Linux终端:
chmod +x build-docker.sh run-docker.sh ./build-docker.sh cpu ./run-docker.sh start --interactive
- Windows PowerShell:
✅ 验证安装:打开浏览器访问 http://localhost:5167/docs,看到API文档界面即表示部署成功。
方案B:Windows原生安装
适合Windows用户的独立安装方案:
- 下载最新的
meetily_backend.zip压缩包 - 解压到
C:\meetily_backend目录 - 右键点击
start_with_output.ps1,选择"以管理员身份运行"
方案C:macOS原生安装
专为苹果用户优化的安装流程:
- 安装Homebrew(如未安装):
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" - 添加Meetily仓库并安装:
brew tap zackriya-solutions/meetily brew install --cask meetily - 启动应用:在Launchpad中找到Meetily并打开
核心功能详解
实时转录:不错过任何细节
Meetily的实时转录功能让你在会议过程中就能看到文字记录,支持多种语言识别。
使用步骤:
- 点击主界面红色录音按钮
- 在弹出的设备选择窗口中配置音频源
- 会议内容将实时显示在转录面板中
- 可随时暂停或继续录音
智能总结:自动提炼会议要点
会议结束后,Meetily能自动生成结构化总结,包括关键决策、行动项和讨论要点。
生成总结:
- 会议结束后点击"Generate Note"按钮
- 选择合适的总结模板(如每日站会、项目同步等)
- 系统将分析转录内容并生成总结
- 可在编辑器中进一步修改和完善
多设备音频捕获
Meetily支持同时录制麦克风和系统音频,确保远程会议的所有内容都被完整捕获。
音频设置:
- 点击顶部"Devices"按钮
- 选择要使用的麦克风和系统音频设备
- 点击"Test"按钮验证设备工作状态
- 点击"Done"保存设置
技术原理解析
Meetily采用模块化架构设计,确保所有处理都在本地完成:
核心组件包括:
- 前端界面:基于Electron和Next.js构建的用户交互层
- 后端服务:使用FastAPI处理转录请求和AI交互
- AI引擎:集成Whisper语音识别和Llama等大语言模型
- 本地数据库:使用SQLite安全存储所有会议数据
性能优化指南
根据你的设备配置选择合适的模型,获得最佳体验:
模型选择建议
| 设备类型 | 推荐模型 | 特点 |
|---|---|---|
| 低配笔记本 | tiny | 39MB,速度快,适合实时转录 |
| 普通电脑 | base | 142MB,平衡速度和准确率 |
| 高性能本 | small | 466MB,高准确率,适合重要会议 |
| 台式机/MacBook Pro | medium | 1.5GB,最高准确率,适合专业场景 |
切换模型命令(Docker环境):
./run-docker.sh start --model medium --language zh
常见问题解答
Q: 转录出现卡顿怎么办? A: 尝试以下解决方案:
- 降低模型等级(如从medium切换到base)
- 关闭其他占用CPU的应用程序
- 确保设备散热良好,避免CPU过热降频
Q: 如何提高中文转录准确率? A: 启动时指定中文语言参数:
meetily-server --model small --language zh
Q: 会议记录保存在哪里?
A: 所有数据保存在本地SQLite数据库中,路径为应用安装目录下的data文件夹。
下一步行动
- 根据你的设备选择适合的部署方案开始体验
- 尝试录制一次测试会议,体验实时转录功能
- 探索总结模板,找到最适合你工作流程的格式
- 关注项目更新,获取新功能通知
Meetily让会议记录变得简单高效,同时确保你的敏感信息安全无虞。立即开始你的本地AI会议助手之旅吧!
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust062
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
686
4.43 K
Ascend Extension for PyTorch
Python
536
659
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
362
62
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
404
318
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
952
911
Oohos_react_native
React Native鸿蒙化仓库
C++
336
385
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.58 K
921
暂无简介
Dart
933
233
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
135
216
昇腾LLM分布式训练框架
Python
145
172



