本地AI会议助手Meetily:隐私优先的智能会议记录解决方案
在数字化办公日益普及的今天,会议记录的完整性、隐私安全性以及处理效率成为团队协作的三大痛点。你是否曾因会议记录遗漏关键决策而影响项目推进?是否担心敏感的商业讨论被云端服务收集?又是否为繁琐的会议纪要整理耗费过多时间?Meetily,这款开源的本地AI会议助手,正是为解决这些问题而生。它将所有转录和分析工作留在你的设备上,既保证了数据安全,又提供了高效的会议处理能力。
核心价值:重新定义会议记录方式
Meetily的核心价值在于其独特的本地处理架构,从根本上解决了传统会议工具的隐私与效率难题。
Meetily的架构设计确保了数据处理的全链路本地化。前端采用Electron Js与Next JS构建用户界面,负责数据的发送与接收以及实时更新;后端基于FastAPI,管理转录请求、与AI引擎交互并处理数据库存储;AI引擎整合了Whisper与Llama 3.2等模型,负责转录和总结任务;所有数据最终存储在本地SQLite数据库中。这种架构设计实现了从音频捕获到笔记生成的全流程本地化,从源头保障数据安全。
核心功能卡片:场景化解决方案
实时转录
应用场景:团队周会中,需要实时记录讨论内容,确保关键信息不被遗漏。 操作要点:点击主界面红色录制按钮,选择音频源(麦克风/系统音频/两者),设置会议标题后即可开始转录。转录文本会实时显示在中央面板,可随时添加章节标记(Ctrl+T)。 隐私评级:★★★★★(所有转录过程在本地完成,数据不离开设备)
AI总结生成
应用场景:会议结束后,需要快速生成结构化的会议纪要,提取关键决策和行动项。 操作要点:会议结束后,点击"Generate Note"按钮,选择合适的总结模板,AI会自动分析转录内容并生成包含关键决策和行动项的总结。 隐私评级:★★★★☆(总结过程本地完成,可选择是否使用外部API)
多源音频捕获
应用场景:远程会议中,需要同时记录发言者声音和共享屏幕中的音频内容。 操作要点:在音频设备设置中,分别选择麦克风和系统音频源。对于系统音频,可根据需要选择ScreenCaptureKit或Core Audio后端。 隐私评级:★★★★★(音频数据仅在本地处理和存储)
离线工作模式
应用场景:在网络不稳定或没有网络的环境下进行重要会议。 操作要点:提前下载所需的AI模型,在设置中启用离线模式。Meetily会自动切换到本地资源,确保会议记录不受网络影响。 隐私评级:★★★★★(完全脱离互联网运行,数据零上传)
快速体验:决策树引导安装路径
选择适合自己的安装路径,可以让Meetily的部署过程更加顺畅。以下决策树将帮助你根据自身情况选择最佳安装方案:
-
你的设备配置如何?
- 高配设备(16GB RAM以上,8核CPU):推荐Docker部署或原生安装
- 中低配设备(8GB RAM,4核CPU):推荐Docker部署
-
你的操作系统是什么?
- Windows:推荐Docker部署或Windows原生安装
- macOS:推荐Docker部署或macOS原生安装
- Linux:推荐Docker部署
-
你的技术背景如何?
- 技术人员:推荐原生安装,可自定义配置
- 非技术人员:推荐Docker一键部署
Docker一键部署(推荐新手)
Docker部署可自动处理所有依赖,适合新手用户:
# 克隆仓库(适用场景:首次安装,需要获取最新代码)
git clone https://gitcode.com/GitHub_Trending/me/meeting-minutes
cd meeting-minutes/backend
# macOS/Linux终端(适用场景:在类Unix系统上部署)
chmod +x build-docker.sh run-docker.sh
./build-docker.sh cpu
./run-docker.sh start --interactive
预期结果:命令执行完成后,访问http://localhost:5167/docs应显示API文档界面,表明后端服务已成功启动。
Windows原生安装
# 下载预编译后端(适用场景:Windows系统,希望避免复杂配置)
Invoke-WebRequest -Uri "https://gitcode.com/GitHub_Trending/me/meeting-minutes/releases/latest/download/meetily_backend.zip" -OutFile "meetily_backend.zip"
Expand-Archive -Path "meetily_backend.zip" -DestinationPath "C:\meetily_backend"
# 解锁文件并启动(适用场景:首次启动,需要解除系统安全限制)
cd C:\meetily_backend
Get-ChildItem -Path . -Recurse | Unblock-File
.\start_with_output.ps1
预期结果:启动脚本执行后,会打开一个命令行窗口显示后端运行状态,同时自动打开Meetily的Web界面。
深度配置:设备适配指南
不同硬件配置的设备在运行Meetily时,需要针对性地调整设置以获得最佳体验。
低配设备(8GB RAM,4核CPU)
- 模型选择:tiny或base模型
- 转录设置:关闭实时翻译,降低采样率
- 后台进程:关闭其他占用资源的应用程序
- 推荐命令:
# 适用场景:低配设备,需要平衡性能和功能 meetily-server --model base --language zh --low-resource-mode
中配设备(16GB RAM,6核CPU)
- 模型选择:small模型
- 转录设置:启用实时翻译,标准采样率
- 后台进程:可同时运行少量其他应用
- 推荐命令:
# 适用场景:中等配置设备,兼顾速度和准确率 meetily-server --model small --language zh --enable-translation
高配设备(32GB RAM,8核以上CPU或带GPU)
- 模型选择:medium或large模型
- 转录设置:启用所有高级功能,高采样率
- 后台进程:可正常运行其他应用
- 推荐命令:
# 适用场景:高性能设备,追求最高转录质量 meetily-server --model medium --language zh --gpu-acceleration
场景拓展:Meetily的多样化应用
Meetily不仅适用于常规会议记录,还可以在多种场景中发挥价值:
学术研讨会记录
应用场景:学术会议中,需要准确记录演讲内容和讨论要点。 配置建议:使用medium模型,启用专业术语识别,设置会议主题为"学术研讨"。 操作技巧:使用章节标记功能,按主题划分不同演讲内容。
远程教学记录
应用场景:在线课程中,需要记录授课内容供学生复习。 配置建议:同时录制麦克风和系统音频,启用实时转录,使用small模型以保证实时性。 操作技巧:利用AI总结功能,自动生成课程大纲和重点难点。
客户需求访谈
应用场景:与客户进行需求访谈,需要准确捕捉客户需求和反馈。 配置建议:使用medium模型提高准确率,启用 speaker 识别功能。 操作技巧:会议后使用自定义模板生成需求文档,直接导出为PDF格式分享给团队。
结语:隐私与效率的完美平衡
Meetily通过创新的本地AI技术,为会议记录带来了革命性的变化。它不仅解决了传统云端会议工具的隐私痛点,还通过智能化处理大幅提升了会议记录的效率和质量。无论你是需要保障商业机密的企业用户,还是注重数据安全的个人用户,Meetily都能为你提供一个安全、高效、易用的会议记录解决方案。
现在就选择适合你的部署方案,开始体验Meetily带来的智能会议记录新方式吧!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
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
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- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00



