
开会时,最尴尬的瞬间可能不是冷场。
而是一个叫“某某 AI Notetaker”的机器人突然加入会议,安静地听完你们讨论预算、客户、裁员和下一代产品。
我们让 AI 记录会议,本来是为了少操心。可录音上传到哪里、保存多久、会不会被用于训练,反而成了新的心事。
最近,一个名叫 Meetily 的开源项目冲上 GitHub 热榜。它给出的答案很直接:不把会议搬到 AI 的云端,而把 AI 搬回你的电脑。
截至 7 月 5 日,Meetily 在 GitHub 已获得约 1.55 万颗 Star;6 月发布的 0.4.0 版本,又加入 Windows GPU 加速、多语言总结、本地 Qwen3 总结模型,并将使用分析默认关闭。
本文重点
• 它做什么:本地录音、实时转写、AI 总结,一套完成
• 它为何走红:AI 会议助手正在撞上隐私和数据控制的硬问题
• 它的代价:更吃电脑性能,部署和维护也要自己负责
• 谁适合用:经常讨论客户、合同、产品和人事信息的人
它没有派机器人参会
Meetily 是一个桌面端 AI 会议助手。它不需要作为“参会者”进入 Zoom、Teams 或 Google Meet,而是直接捕获电脑的麦克风与系统音频。
会议进行时,Whisper 或 Parakeet 模型在本机把语音变成文字。会后,再由本地模型生成摘要、关键决定和待办事项。

*图 1:Meetily 实时转写界面。来源:Meetily GitHub 仓库,MIT License。*
这套工作流看起来和常见的云端会议助手相似,数据路径却完全不同。
云端工具通常是“录音上传—服务器转写—云端总结—结果返回”;Meetily 的默认思路则是“音频留在电脑—本地转写—本地保存—本地总结”。
差别不在按钮,而在谁拥有原始会议数据。
真正的卖点,不是免费
开源、免费当然有吸引力,但 Meetily 更值得关注的地方,是它击中了 AI 工具的一个结构性矛盾:
越值得交给 AI 总结的会议,往往越不适合交给陌生服务器。
普通周会里可能有项目延期;销售会议里有客户名单和报价;管理层会议里有人事变化、现金流和未公开战略。AI 需要听得足够完整,才能总结得足够好;可它听得越完整,泄露后的代价也越高。
Meetily 把录音、转写文本和模型放回本机,相当于把“是否上传”从服务商的默认设置,变成用户自己的选择。

*图 2:左侧为转写文本,右侧可生成摘要、决策和待办事项。来源:Meetily GitHub 仓库,MIT License。*
项目支持 Ollama 本地模型,也允许用户接入 Claude、Groq、OpenRouter 或兼容 OpenAI 接口的服务。
这里有个容易被宣传语掩盖的细节:本地转写,不等于所有数据永远不出本机。
如果选择 Ollama 等本地模型做总结,整条链路可以留在设备上;如果主动配置云端模型,发送出去的通常是转写文本。音频没有上传,但文字同样可能包含敏感信息。
所以,“隐私优先”不是一个开关,而是一条需要逐段检查的数据链。
本地 AI 也有账单,只是换了付款方式
云服务按月收费,本地 AI 则用硬件、时间和维护成本结账。
第一,转写速度和准确率取决于电脑性能、所选模型、口音和录音质量。旧电脑可以运行小模型,却未必能在长会议中保持理想的实时体验。
第二,本地数据要自己管理。录音越积越多,磁盘空间、备份、加密和删除策略都不再由服务商代劳。
第三,开源社区版与付费版并非完全相同。Meetily 社区版保留本地转写和 AI 总结等核心能力,团队部署、更高精度、更多导出格式等高级能力则由 Pro 版本承接。

*图 3:用户可以查看会议录音等数据的本地存储位置。来源:Meetily GitHub 仓库,MIT License。*
这不是缺点清单,而是选择题:你愿意用多少便利,交换多少控制权?
谁最值得试一试
如果你只是偶尔记录公开分享,现成的云端工具可能更省事。
但如果你的会议频繁涉及客户资料、合同、源代码、产品路线或人事信息,Meetily 代表的“本地优先”路线值得认真评估。
最稳妥的试用方式不是一上来替换全部工具,而是选一场低风险会议做测试:
1. 检查中文、英文和专业词汇的转写质量;
2. 比较 CPU、内存占用与实时速度;
3. 确认录音、文本和模型文件保存在哪里;
4. 使用本地模型生成总结,再检查遗漏和幻觉;
5. 最后再决定哪些会议可以交给它。
真正成熟的 AI 工作流,不是把所有数据都交给最强模型,而是知道哪些数据应该留在自己手里。
Meetily 的走红也许不是因为它做出了最炫的会议助手,而是因为越来越多人开始追问:AI 可以替我记住一切,但我是否还控制着这些记忆?
你会为了隐私接受本地部署的麻烦,还是更愿意用云端工具换取省心?欢迎在评论区聊聊你的选择。
如果这篇文章对你有帮助,欢迎点赞、转发,并关注「科技有回声」,一起看懂真正影响工作方式的技术变化。
夜雨聆风