Meetily用户手册:高效会议记录与AI总结技巧
2026-02-04 04:15:22作者:彭桢灵Jeremy
你是否还在为会议记录耗费2小时整理1小时的讨论?是否担心云端AI工具泄露敏感会议内容?Meetily——这款完全本地运行的开源AI会议记录生成器,将彻底改变你的会议管理方式。本文将系统讲解从安装部署到高级功能的全流程技巧,帮助你实现"会议结束即得纪要"的高效工作流。
目录
核心优势
Meetily作为本地化AI会议助手,具备以下核心优势:
| 特性 | Meetily | 传统记录方式 | 云端AI工具 |
|---|---|---|---|
| 处理速度 | 实时转录(≤2秒延迟) | 人工耗时2-3倍 | 依赖网络延迟 |
| 数据安全 | 100%本地存储 | 纸质/本地文档 | 云端存储风险 |
| 成本结构 | 一次性部署(免费开源) | 人力成本 | 按次/订阅收费 |
| 离线可用 | 完全支持 | 支持 | 完全不支持 |
| 定制能力 | 模型/提示词自定义 | 高度定制 | 有限定制 |
快速部署指南
系统要求
- 最低配置:4核CPU/8GB RAM/10GB硬盘空间
- 推荐配置:8核CPU/16GB RAM/NVIDIA GPU(可选,加速AI处理)
- 支持系统:Windows 10+/macOS 12+/Linux(Ubuntu 20.04+)
Docker一键部署(推荐)
# 克隆仓库
git clone https://gitcode.com/GitHub_Trending/me/meeting-minutes
cd meeting-minutes/backend
# Windows(PowerShell)
.\build-docker.ps1 cpu
.\run-docker.ps1 start -Interactive
# macOS/Linux
./build-docker.sh cpu
./run-docker.sh start --interactive
⚠️ 首次启动会自动下载约500MB基础模型,根据网络情况需要5-15分钟
本地编译部署
Windows环境
# 安装依赖(管理员权限)
Set-ExecutionPolicy Bypass -Scope Process -Force
.\install_dependancies_for_windows.ps1
# 构建Whisper模型
build_whisper.cmd medium
# 启动服务
start_with_output.ps1
macOS/Linux环境
# 安装系统依赖
brew install python@3.9 cmake llvm libomp ffmpeg # macOS
# 或
sudo apt install python3.9 cmake llvm libomp ffmpeg # Linux
# 构建并启动
./build_whisper.sh medium
./clean_start_backend.sh
界面功能详解
主界面布局
mindmap
root((主界面))
顶部工具栏
录音控制区
会议信息编辑
设置入口
左侧导航栏
会议列表
收藏记录
回收站
中央工作区
实时转录文本
AI总结面板
时间轴控制
右侧功能面板
参会人管理
任务分配
导出选项
核心功能操作
1. 会议录制控制
- 麦克风+系统音频双录:点击工具栏"录制"按钮旁的下拉箭头,选择音频源组合
- 暂停/继续:使用快捷键
Ctrl+Shift+Space(Windows)或Cmd+Shift+Space(macOS) - 标记重要节点:会议中按
Ctrl+M添加时间戳标记,后续可快速定位
2. 实时转录与编辑
- ** speaker识别**:首次使用需在设置中启用"说话人分离",支持最多8人同时识别
- 实时纠错:点击转录文本直接修改,系统会自动学习你的术语偏好
- 重点高亮:选中文字按
Ctrl+H添加高亮,总结时将优先处理高亮内容
3. AI总结生成
Meetily提供三种总结模式:
- 快速摘要:200字以内核心结论,会议中实时更新
- 详细纪要:包含讨论要点、分歧意见、决策事项的结构化文档
- 行动项清单:自动提取待办事项,可直接分配负责人和截止日期
AI模型优化配置
模型选择指南
| 模型类型 | 适用场景 | 资源占用 | 转录准确率 |
|---|---|---|---|
| tiny.en | 英语快速会议 | 2GB RAM | 85-90% |
| base | 常规双语会议 | 4GB RAM | 90-95% |
| medium | 技术研讨会(多术语) | 8GB RAM | 95-98% |
| large-v3 | 重要战略会议 | 16GB RAM | 98-99% |
性能调优参数
修改backend/temp.env文件配置:
# 转录优化
WHISPER_MODEL=medium
WHISPER_LANGUAGE=zh
WHISPER_CHUNK_SIZE=3000
WHISPER_OVERLAP=200
# 总结优化
SUMMARY_PROVIDER=ollama
SUMMARY_MODEL=llama3.2:11b
CHUNK_SIZE=5000
OVERLAP=500
本地GPU加速配置
- 安装NVIDIA显卡驱动(版本≥525.60.13)
- 在Docker启动命令中添加
--gpu参数:
./run-docker.sh start --model large-v3 --gpu --detach
- 验证GPU是否启用:访问
http://localhost:5167/health,查看gpu_available字段
工作流实战技巧
团队协作最佳实践
会前准备
- 导入会议议程:通过"文件>导入议程"上传Word/Markdown文档,AI会据此优化转录重点
- 预设参会人:在会议详情页添加参会人列表,提高speaker识别准确率
- 自定义提示词:设置>AI>总结提示词,添加团队特有术语库
会中协作
- 实时共享:点击"共享"生成临时链接,团队成员可实时查看转录内容(仅局域网内)
- 协作编辑:授权参会人编辑权限,多人可同时标注重点内容
- 即时问答:右侧面板"AI助手"可针对当前讨论内容提问,获取即时解答
会后处理
timeline
title 会议后30分钟工作流
0分钟 : 自动生成总结初稿
5分钟 : 检查并修正转录错误
10分钟 : 分配行动项给团队成员
15分钟 : 导出为Markdown发送邮件
20分钟 : 同步至Notion/Confluence
30分钟 : 设置下次会议提醒
常见问题解决方案
转录质量问题
| 问题现象 | 可能原因 | 解决方案 |
|---|---|---|
| 识别错误多 | 口音重/专业术语多 | 1.切换至large模型 2.上传术语表至 backend/custom_terms.txt |
| 断句不自然 | 说话速度快 | 调整WHISPER_CHUNK_SIZE至4000 |
| speaker混淆 | 多人同时发言 | 启用"增强说话人分离",降低麦克风增益 |
性能优化方案
- 内存占用过高:关闭"实时总结",会议结束后再生成
- CPU占用100%:在设置>性能中,将线程数调为CPU核心数的1/2
- 转录延迟>5秒:降低模型等级,或关闭"实时翻译"功能
Docker部署常见问题
端口冲突解决
# 查看冲突进程
netstat -tulpn | grep 8178 # Linux
# 或
lsof -i :8178 # macOS
# 自定义端口启动
./run-docker.sh start --port 8179 --app-port 5168
模型下载失败
手动下载模型文件后放入指定目录:
- Windows:
C:\Users\<用户名>\.meetily\models - macOS/Linux:
~/.meetily/models
高级自定义选项
自定义总结模板
编辑backend/prompts/summary_template.md文件,支持Markdown格式,可包含:
{{meeting_topic}}- 会议主题{{start_time}}- 开始时间{{decision_points}}- 自动提取的决策点{{action_items}}- 自动提取的行动项
示例模板:
# {{meeting_topic}} 会议纪要
**时间**: {{start_time}} - {{end_time}}
**参会人**: {{attendees}}
## 讨论要点
{{discussion_points}}
## 决议事项
{{decision_points}}
## 行动项跟踪
{{action_items}}
## 待解决问题
{{open_issues}}
API集成开发
Meetily提供RESTful API供外部系统集成:
# 获取会议列表示例
import requests
response = requests.get(
"http://localhost:5167/api/meetings",
headers={"Authorization": "Bearer YOUR_API_KEY"}
)
for meeting in response.json():
print(f"{meeting['title']}: {meeting['date']} - {meeting['duration']}分钟")
完整API文档可在服务启动后访问http://localhost:5167/docs查看。
快捷键自定义
修改frontend/src/config/shortcuts.json配置个性化快捷键,支持:
- 全局快捷键
- 应用内快捷键
- 上下文相关快捷键
资源与后续步骤
必备资源
进阶学习路径
- 自定义Whisper模型微调
- 构建企业级私有知识库集成
- 开发自定义导出插件
收藏本文并关注项目更新,不错过即将发布的语音命令控制和多语言实时翻译功能!遇到使用问题或有功能建议,欢迎在GitHub Issues提交反馈。
通过Meetily将会议时间转化为有效产出,让AI真正成为你的会议效率助手。立即部署体验,开启高效会议新方式!
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 StartedRust0207
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0133
MinerUA high-quality tool for convert PDF to Markdown and JSON.一站式开源高质量数据提取工具,将PDF转换成Markdown和JSON格式。Python08
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
wgai开箱即用的JAVAAI在线训练识别平台&OCR平台AI合集包含旦不仅限于(车牌识别、安全帽识别、抽烟识别、常用类物识别等) 图片和视频识别,可自主训练任意场景融合了AI图像识别opencv、yolo、ocr、esayAI内核识别;AI智能客服、AI语言模型、 无任何第三方API接口可定制化自主离线化部署并自主化行业化使用避免占用内存、GPU消耗训练与识别分开使用;Java05
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
772
5.05 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
869
1.99 K
Ascend Extension for PyTorch
Python
748
931
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
694
1.37 K
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
468
461
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
268
昇腾LLM分布式训练框架
Python
181
225
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++
1.09 K
1.14 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
363
132