把会议转写和总结留在本地的 AI 助手

线上会议越来越多，但会议录音、转写文本和摘要往往包含客户信息、报价、产品计划，甚至个人数据。许多会议助手把这些内容上传到第三方服务再处理，使用方便，却把数据留存、访问权限和合规责任交给了供应商。

开源项目代码：

Meetily是一个开源的本地优先 AI 会议助手。它在桌面端捕获麦克风与系统音频，用本地语音识别模型实时转写，再通过本地或可选的外部大语言模型生成会议摘要。核心价值并不只是“自动写纪要”，而是让录音、转写和模型推理可以尽可能留在自己可控的设备或基础设施中。

截至 2026 年 7 月 12 日的开源社区周趋势快照，Meetily 一周新增约 8,579 个 Star，是当周增长最快的 AI 相关项目之一。Star 反映关注度，不等同于生产可用性或功能成熟度；是否采用，仍应以实际转写准确率、硬件条件和团队合规要求为准。

为什么它值得关注：优势不只是“能做会议纪要”

市面上的会议 AI 工具大多把“录音上传到云端，再返回摘要”当作默认流程。Meetily 的优势在于，它把这个流程拆开，让用户决定数据在哪里处理、选择什么模型、是否使用云端能力。对有隐私、预算或定制要求的用户，这些控制权比一个漂亮的摘要模板更有价值。

其中最核心的优势是选择权。用户不必在“完全离线但能力有限”和“功能丰富但把内容交给云端”之间二选一。Meetily 允许先用本地转写和 Ollama 建立完全本地的基础流程，再在明确知情的情况下，为非敏感会议接入更强的外部模型。这种分级处理方式更符合企业和专业用户的实际工作，而不是所有内容采用同一种处理方式。

它解决了什么问题

Meetily 把一场会议处理成一条本地工作流：采集声音、实时转写、保存记录、生成摘要和回看编辑。它适合不愿把会议资料默认交给云端的个人、咨询团队、法务、医疗、研发和内部沟通场景。

它的主要能力包括：

同时采集麦克风与系统音频，并提供音量混合、削波保护等音频处理能力。
基于 Whisper 或 Parakeet 等本地模型进行实时语音转写。
保存本地会议元数据、转写文本和摘要，便于后续检索与修订。
通过 Ollama 调用本地大模型生成摘要；也支持 Claude、Groq、OpenRouter、OpenAI 以及兼容 OpenAI 接口的服务。
支持导入已有音频文件，重新选择模型或语言后再转写。
提供 macOS 与 Windows 安装包；Linux 可以从源码构建。

关键设计：本地优先，而不是“绝不联网”

“本地优先”是 Meetily 最值得关注的设计选择，但需要准确理解。使用本地 Whisper/Parakeet 做转写，并使用 Ollama 上的本地模型做摘要时，音频、转写文本和摘要都可以在本机完成处理。对于包含敏感信息的会议，这能显著减少数据出境和第三方留存的风险。

不过，Meetily 也允许把摘要请求发给 Claude、OpenAI、Groq、OpenRouter 或自建的兼容接口。一旦选择这些外部提供商，发送给摘要模型的文本是否离开本机，取决于所选服务和配置。实际部署时，应在团队规范中明确：哪些会议只能使用本地模型，哪些会议允许使用外部 API，以及 API 密钥的保管与审计方式。

从音频到纪要：它如何工作

Meetily 是一个 Tauri 桌面应用：前端使用 Next.js，后端核心使用 Rust。这种组合让界面保持 Web 开发的迭代效率，同时把音频采集、模型调用和本地数据管理放在性能更稳妥的原生层。

麦克风 + 系统音频 ↓音频采集与混音（Rust） ↓本地语音识别（Whisper / Parakeet，可用 GPU 加速） ↓本地 SQLite：会议元数据、转写、摘要 ↓摘要引擎（优先可选 Ollama，本地或外部 LLM） ↓Next.js 桌面界面：查看、编辑、导出

这个架构的实际好处是边录边转写，会议结束时不必再等待整段音频上传和排队处理。对于 Mac 的 Apple Silicon，项目支持 Metal 与 CoreML 加速；Windows 和 Linux 可利用 CUDA 或 Vulkan 等后端。硬件加速并非必需，但对长会议和较大的模型非常重要。

使用体验：不是只生成一段摘要

Meetily 的工作方式更接近一个本地会议档案库。用户可以查看实时生成的文字稿，事后在编辑器中修正术语、人名与漏识别内容，再以这些更可靠的文本去生成摘要。这样比直接把一段原始音频交给模型总结更可控。

摘要引擎的价值在于把冗长转写整理为可行动的信息。例如，常见的会议纪要结构可以包括：结论、待办事项、负责人、截止时间、风险和待确认问题。实际效果会高度依赖所选摘要模型与提示词，因此对正式会议应保留人工复核环节，尤其不要把模型推断出的内容直接当成已确认的决策。

已有录音也可以导入。对于访谈、客户电话或线下会议录音，用户可重新选择模型或语言进行转写，再统一生成纪要。这对迁移历史会议资料很实用，但长音频的处理速度和磁盘占用应纳入预期。

快速开始

普通使用者不必从源码构建。可以从 Meetily 官网的下载入口获取对应的安装包：Windows 使用 x64-setup.exe，Apple Silicon Mac 使用 .dmg。安装后，建议按下面顺序完成首次配置：

开发者如需从源码构建，本文同级的 meetily 目录已经保存完整代码。基本环境包括 Rust、Node.js、pnpm 和编译工具链。进入前端目录安装依赖后，再按项目的构建文档启用相应的 GPU 后端。

cd meetily/frontendpnpm install./build-gpu.sh

命令是否可直接运行取决于操作系统、GPU 与系统依赖；构建前应阅读仓库中的 docs/BUILDING.md 和 docs/GPU_ACCELERATION.md。

开源协议与使用要求

本文同级目录已提供原始LICENSE.md文件；在分发修改后的代码、安装包或源码副本时，应一并保留该文件。产品名称、商标、付费 Pro 与企业版服务可能受独立条款约束，MIT 许可仅覆盖社区版代码及其随附文档，不能推定获得其他品牌或商业服务授权。

适合谁，不适合谁

Meetily 特别适合以下场景：

需要对客户沟通、产品讨论或研究访谈保留数据控制权的个人和小团队。
已经使用 Ollama 或内部大模型服务，希望把会议纪要接入现有本地 AI 工作流的组织。
希望离线处理录音，或网络环境不稳定的用户。
需要自行修改应用、模型选择或摘要流程的开发团队。

它不一定适合所有人。低性能设备运行本地转写与本地大模型可能较慢；复杂的多人会议、口音、混响和中英混说仍会影响识别质量。若团队需要自动入会、日历深度集成、企业级审计或高级导出等功能，也要分别评估社区版和付费 Pro 版的能力边界。项目 README 明确说明 Pro 是独立的专业产品，不能把 Pro 的规划功能视为开源社区版现成能力。

总结

Meetily 的吸引力在于，它没有把 AI 会议纪要等同于“把会议上传到云端”。借助本地转写、SQLite 本地存储和 Ollama 等本地模型，它提供了一条更有控制力的替代路径；同时也保留了外部模型接入的灵活性。

如果你的首要诉求是方便、零配置和云端协作，成熟 SaaS 可能更省心；如果你更在意会议资料的归属、可审计性和可定制性，Meetily 值得作为本地 AI 会议助手的起点。最务实的做法是先用一场非敏感会议完成端到端测试，再决定是否推广到团队。

开源协议：MIT License本文配图来源：Meetily 项目 docs/ 目录，随本文同目录中的代码副本保存。