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 StartedRust0544
MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解,并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计,H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力,能够出色地执行复杂的多模态指令。Python00
DataFlow基于大模型算子和工作流的高效文本大模型训练数据合成框架Python05
doraDORA (Dataflow-Oriented Robotic Architecture 面向数据流的机器人架构) 是为 AI 与具身智能机器人打造的高性能开发框架,以数据流范式重构开发逻辑,原生支持分布式部署与端边云协同 —— 无需复杂适配,即可实现一体端到端具身大小脑、VLA等模型部署,无缝衔接感知、推理、控制全链路,让 AI 能力与机器人动作深度融合。 依托 Rust 内核与零拷贝通信技术,它将具身大小脑、VLA等模型推理、多模态数据融合延迟压缩至微秒级,同时兼容 ROS2 生态与国产 AI 芯片,彻底降低具身智能机器人的开发门槛,让分布式部署下的 AI 赋能创新更高效、更灵活。Rust01
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
py-xiaozhi基于Python的Xiaozhi AI,适用于想要完整Xiaozhi体验而无需拥有专用硬件的用户。Python01
项目优选
收起
deepin linux kernel
C
33
16
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
507
540
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
835
1.27 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++
1.04 K
2.45 K
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.13 K
741
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++
1.24 K
1.36 K
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++
841
1.67 K
暂无描述
Markdown
846
5.64 K
LLVM 项目是一个模块化、可复用的编译器及工具链技术的集合。此fork用于添加仓颉编译器的功能,并支持仓颉编译器项目。
C++
756
830
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
3.66 K
544