项目名称：Meetily

GitHub：Zackriya-Solutions/meetily

官网：meetily.ai

定位：隐私优先的 AI 会议助手，100% 本地处理

技术栈：Rust + Tauri + Next.js(React) + SQLite

转写引擎：Whisper.cpp / NVIDIA Parakeet ONNX

摘要模型：Ollama / Claude / Groq / OpenRouter / OpenAI / 自定义端点

平台支持：macOS（Apple Silicon + Intel）、Windows、Linux（源码构建）

GPU 加速：Metal/CoreML / CUDA / Vulkan 自动检测

最新版本：v0.4.0（MIT 协议）

Trending 排名：今日 GitHub Trending #1

你有没有经历过这种场景——开完一场签了 NDA 的保密会议，需要用 AI 生成纪要，但又不敢把录音交给 Otter.ai 或 Fireflies 这类云端服务？

Meetily 的解法很简单：三条链路全部下沉到本地。录音在本地、转写在本地、摘要也可以选本地 Ollama 跑大模型。它不是 Otter.ai 的平替，而是用 Rust 从头搭了一套"数据不出本机"的会议智能栈。

1. Tauri + Rust + Next.js：桌面应用的最佳组合拳

Meetily 采用「Web 前端 + 原生后端」架构，这在 2025–2026 年的开源桌面项目中已成主流范式（类似 Zed、Cursor 早期版本）。具体分工如下：

• Tauri 壳（Rust） — 系统托盘、麦克风捕获、全局快捷键、原生权限管理

• Rust 后端 — 音频路由、转写引擎调度、SQLite 持久化、IPC 通信桥接

• Next.js + React 前端 — 录音波形、实时转录面板、AI 总结编辑器、设置页面

• llama-helper sidecar — 独立 GPU 加速推理进程，负责 LLM 摘要生成

这种架构的优势是：渲染层借用 React 生态快速迭代 UI，后端保留 Rust 的性能优势和系统调用能力。整个应用是单进程自包含的，不需要 Docker 或额外服务器。

2. 双引擎转写：Whisper vs Parakeet 各有专长

Meetily 提供两套本地转写引擎，定位不同：

三个细节值得注意：

1. 模型下载内置到应用中，不用手动去 HuggingFace 翻仓库找文件

2. 支持「Import & Enhance」— 把历史录音拖进来换模型重跑转写

3. 两个引擎可以按语言和场景自由切换，中文会议优先 Whisper

3. GPU 加速全自动化：Metal/CUDA/Vulkan 一键启用

GPU 加速按平台自动检测并启用，无需手动配置驱动参数：

• macOS：Apple Silicon 走 Metal + CoreML，Intel Mac 也支持

• Windows/Linux：NVIDIA 走 CUDA，AMD/Intel 走 Vulkan

构建脚本 build-gpu.sh 在编译期自动检测硬件并打开对应 backend flag。Linux 用户还可以通过环境变量强制指定加速方式：

TAURI_GPU_FEATURE=cuda ./build-gpu.sh   # 强制使用 CUDA TAURI_GPU_FEATURE=vulkan ./build-gpu.sh # 强制使用 Vulkan TAURI_GPU_FEATURE=hipblas ./build-gpu.sh  # 强制使用 ROCm

注意：有显卡驱动 ≠ 能启用加速。NVIDIA 机器只有驱动但没有 CUDA Toolkit，脚本仍会走 CPU-only。需确保 nvidia-smi 和 nvcc --version 都可用。

4. 灵活的 AI 摘要生态：从纯离线到云端任选

转写是 100% 本地的，但摘要这一步提供了极大的灵活性：

摘要产物包含：会议概要、关键决策、行动项（含负责人和截止日期）、参会人列表。这套 schema 由后端硬编码 prompt template 定义，模型越强输出越结构化。

5. 音频工程细节：混合采集 + 降噪 + VAD

音频采集不只是"录麦克风"，Meetily 在这方面做了大量工程优化：

• 双通道录制：同时捕获麦克风 + 系统音频回采（macOS/Windows 均支持）

• 智能混音：麦克风与系统音频混合 + ducking（避免扬声器反馈啸叫）

• 高级降噪：内置麦克风降噪算法

• EBU R128 标准化：自动音量平衡，不同设备声音一致

• VAD 语音检测：1.5 秒静音等待，静默段不浪费算力转写

• 蓝牙兼容：蓝牙设备的音频重采样问题已专门修复

Windows 麦克风阵列只使用前 2 个声道以避免波束成形干扰；macOS 系统音频回声修复解决了重复捕获路径问题。这些细节体现了团队对桌面音频处理的深度理解。

6. "无机器人"设计：不打扰会议流程

这是 Meetily 最独特的设计理念。它不像 Otter.ai/Fireflies 那样需要"会议机器人加入 Zoom/Teams"来录音，而是直接从设备系统音频捕获（类似屏幕录制原理）。

好处显而易见：

• ✅ 参会者列表不会出现奇怪的"录音机器人"

• ✅ 没有"XXX Bot 已加入会议"的通知打断流程

• ✅ 不受主持人权限限制或 IT 政策阻止

• ✅ 兼容所有会议平台：Zoom、Teams、Google Meet、Discord……任何软件都行

当然，这也意味着需要遵守当地法律和公司政策的录音告知要求。

👨‍⚖️ 场景一：律师的客户咨询会议

需求：客户对话涉及商业机密和法律策略，绝对不能上传到任何第三方服务器。

配置：Whisper medium 模型 + Ollama 本地 Llama 3.2 摘要

效果：全程离线运行，音频不出电脑。会后自动生成含行动项的结构化纪要。符合律师行业合规要求。

🏥 场景二：医疗团队的病例讨论

需求：患者信息属于 HIPAA 保护范畴，不能离开医院内网环境。

配置：Parakeet 引擎（英文低延迟）+ 企业内部 OpenAI 兼容端点摘要

效果：转写在本地完成，摘要通过内部网关调用私有 LLM，数据从未离开医院基础设施。满足 HIPAA 合规设计原则。

💼 场景三：企业战略闭门会

需求：并购讨论、定价策略等敏感内容，外部 SaaS 工具无法审批通过。

配置：Whisper large 模型 + Claude API 高质量摘要

效果：转写 100% 本地，摘要文本走 Claude API（可接受范围），录音文件永远留在员工电脑的 SQLite 数据库里。审计时可提供完整的本地数据链路证明。

🔄 场景四：旧录音补录转写

需求：半年前的重要培训录音只有音频文件，当时没用工具转写。

操作：导入音频文件 → 选 Whisper large → 开始转写

效果：Import & Enhance 功能让历史资产也能享受 AI 能力。支持 MP4/M4A/WAV/MP3/FLAC/AAC/WebM 等多种格式。

方式一：直接安装包（推荐新手）

最简单的方式，去 GitHub Releases 页面下载预编译包：

# 1. 访问 GitHub Releases 下载 x64-setup.exe # https://github.com/Zackriya-Solutions/meetily/releases  # 2. 双击运行安装器 # 3. 启动 Meetily → 选择录音设备 → 开始会议

# 1. 下载 .dmg 安装包 # meetily_0.4.0_aarch64.dmg（Apple Silicon）  # 2. 打开 dmg → 拖到 Applications 文件夹 # 3. 首次启动需要在系统偏好设置中允许运行 # 4. 选择录音设备 → 开始会议

方式二：源码构建（Linux / 自定义）

# Ubuntu / Debian sudo apt update && sudo apt install build-essential cmake git  # Fedora / RHEL sudo dnf install gcc-c++ cmake git  # Arch Linux sudo pacman -S base-devel cmake git  # 克隆仓库（注意当前仓库名为 meetily） git clone https://github.com/Zackriya-Solutions/meetily cd meetily/frontend pnpm install  # 开发模式（带 GPU 检测） ./dev-gpu.sh  # 生产构建 ./build-gpu.sh

# 安装依赖 brew install cmake node pnpm  # 克隆并构建 git clone https://github.com/Zackriya-Solutions/meetily cd meetily/frontend pnpm install  # 开发模式 pnpm tauri:dev  # 生产打包 pnpm tauri:build

方式三：Ollama 本地摘要配置（完全离线方案）

如果你追求极致隐私，可以这样搭配一套完全离线的方案：

# Step 1: 安装 Ollama（如果还没装） curl https://ollama.ai/install.sh | sh  # Step 2: 拉取适合摘要任务的轻量模型 ollama pull llama3.2:3b      # 3B 参数，速度快适合日常 ollama pull qwen2.5:7b       # 中文效果更好 ollama pull mistral:7b        # 英文摘要质量高  # Step 3: 启动 Ollama 服务 ollama serve  # Step 4: 在 Meetily 设置中选择 # AI Provider → Ollama # Model → 选择刚才下载的模型  # 完成！现在录音→转写→摘要 全程不联网

模型选择参考

根据你的硬件配置选择合适的转写模型：

首次启动时应用会自动下载默认模型，之后可在设置页面切换。

⚠️ 使用注意事项

1. 录音合法性：很多地区对录音有告知或同意要求，正式使用前确认公司政策和当地法规

2. 本地 ≠ 零风险：录音/transcript 保存在本地 SQLite 后，也要考虑磁盘加密、备份、访问控制

3. AI 摘要 ≠ 原文：模型可能遗漏细节或误判语气，重要会议务必人工检查最终纪要

4. 说话人分离：社区版暂不支持（标记"谁说了什么"），此功能计划在 PRO 版上线

5. 移动端缺失：目前只有桌面端，无 iOS/Android App

6. Linux 无预编译包：需从源码自行构建

Meetily 团队采用双轨制：社区版永久免费开源（MIT），PRO 版独立代码库付费运营。

个人用社区版完全够。10 人以上的合规团队才需要考虑 PRO。PRO 不是社区版的功能扩展，而是完全重写的姊妹项目——两者代码库独立。

Meetily 的真正价值不是"又一个 AI 会议助手"，而是把「会议数据完全留在本地」这件事压到了一键安装的桌面应用形态。它在今天登顶 GitHub Trending #1 不是偶然——隐私焦虑正在从技术圈蔓延到普通职场人，而 Meetily 给出了一个切实可行的答案。