3分钟部署Meetily:Docker Compose一键启动方案
还在为Meetily部署步骤繁琐而烦恼?本文带你3分钟完成容器化部署,无需复杂配置,小白也能轻松上手。读完本文你将获得:了解Docker Compose部署优势、掌握一键启动流程、解决常见部署问题。
什么是Meetily容器化部署
Meetily是一款开源的会议纪要生成工具(An open source Live Ai based meeting minutes generator),支持本地完全运行。容器化部署通过Docker技术将应用及其依赖打包,确保环境一致性和部署便捷性。Docker Compose则允许通过单一配置文件定义多容器应用,实现一键启动。
官方文档:README.md
Docker配置源码:backend/docker-compose.yml
准备工作
系统要求
- Docker Desktop(Windows/Mac)或Docker Engine(Linux)
- 8GB+ RAM(推荐16GB以确保音频处理流畅)
- 2+ CPU核心
- 稳定网络连接(用于下载Docker镜像和模型文件)
安装Docker
Windows和Mac用户需安装Docker Desktop,Linux用户可通过包管理器安装Docker Engine和Docker Compose。安装完成后,启动Docker并验证:
docker --version
docker-compose --version
Docker Compose配置解析
Meetily的Docker Compose配置文件位于backend/docker-compose.yml,定义了三个核心服务:
服务架构
- whisper-server:语音转文本服务,支持CPU/GPU模式
- model-downloader:模型自动下载服务,确保首次启动时获取所需模型
- meetily-backend:主应用服务,提供API和Web界面
关键配置项
- 资源限制:默认配置为4GB内存限制,生产环境建议调整至8GB+
- 端口映射:Whisper服务默认8178端口,主应用默认5167端口
- 数据卷:使用命名卷
whisper_models和meeting_app_logs持久化模型和日志
一键启动步骤
获取项目代码
git clone https://gitcode.com/GitHub_Trending/me/meeting-minutes.git
cd meeting-minutes/backend
启动服务
根据操作系统选择对应命令:
Windows(PowerShell)
.\build-docker.ps1 cpu
.\run-docker.ps1 start -Interactive
macOS/Linux(Bash)
./build-docker.sh cpu
./run-docker.sh start --interactive
交互式配置
首次启动会进入交互式配置向导,引导你完成:
- 模型选择(tiny/base/small/medium/large-v3)
- 语言设置(支持40+种语言)
- 端口配置(自动检测冲突并建议替代端口)
- 数据库设置(新建或迁移现有数据)
验证部署
服务启动后,通过以下方式验证:
检查容器状态
docker-compose ps
应显示所有服务状态为"Up"。
访问Web界面
打开浏览器访问主应用:http://localhost:5167
Whisper服务API文档:http://localhost:8178/docs
测试转录功能
在Web界面中创建新会议,开始录音并检查转录结果:
常见问题解决
端口冲突
症状:启动时报错"Bind for 0.0.0.0:8178 failed"
解决:使用自定义端口启动:
# Linux/macOS
./run-docker.sh start --port 8179 --app-port 5168
# Windows
.\run-docker.ps1 start -Port 8179 -AppPort 5168
模型下载失败
症状:日志显示"Model download failed"
解决:手动下载模型并挂载到容器:
# 下载模型到本地目录
mkdir -p ./models
curl -o ./models/ggml-base.en.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-base.en.bin
# 启动时挂载本地模型目录
./run-docker.sh start --local-models ./models
音频处理丢包
症状:转录结果缺失或不完整,日志显示"Dropped old audio chunk"
解决:增加Docker资源分配,在Docker Desktop设置中调整内存为8GB+,CPU核心4+。
总结与展望
通过Docker Compose部署Meetily,大幅简化了环境配置和依赖管理流程。关键优势包括:
- 环境一致性:避免"在我电脑上能运行"问题
- 一键操作:无需手动安装复杂依赖
- 资源隔离:与系统其他应用互不干扰
- 灵活扩展:支持CPU/GPU模式切换,适应不同硬件环境
后续Meetily计划引入Kubernetes支持,实现更灵活的集群部署。欢迎通过CONTRIBUTING.md参与项目贡献。
如果你觉得本文有帮助,请点赞、收藏并关注项目更新。下期将介绍Meetily高级配置技巧,包括自定义模型和API集成。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00


