Meetily:100% 本地运行的隐私优先 AI 会议助手

Meetily:100% 本地运行的隐私优先 AI 会议助手

智能体

📖 简介

Meetily 基于 Rust 构建的隐私优先 AI 会议助手,实时转录比云端快 4 倍,说话人识别,Ollama 本地生成会议纪要,数据零上传。

📝 详细介绍

Meetily:100% 本地运行的隐私优先 AI 会议助手

你的会议录音和转录数据,是否正被上传到某个云端服务器进行“智能分析”?Meetily 解决了这个核心矛盾:它是一款完全在本地运行、无需联网的 AI 会议助手,能实时转录、生成摘要,并支持本地知识库问答,所有数据绝不离开你的设备。

指标 数据
Stars ~1.2k
主要语言 TypeScript
开源协议 MIT
最近更新 2024-10-15

项目背景

Meetily 由独立开发者 Zackriya 发起,源于一个非常具体的痛点:现有的 AI 会议助手(如 Otter.ai、Fireflies.ai)几乎都依赖云端处理,用户必须将音频流或文本上传到第三方服务器。对于处理商业机密、法律咨询、医疗记录等敏感信息的团队,这完全不可接受。Meetily 的目标是提供同等级别的会议智能处理能力,但所有模型推理、数据存储都在用户自己的机器上完成。

“你的会议数据,不应该成为别人训练模型的养料。” —— 项目 README 开篇

核心功能解析

1. 实时本地语音转文字 (STT)

Meetily 使用 Whisper.cpp 作为底层引擎,支持多种模型尺寸(tiny/base/small/medium/large)。你可以在本地启动服务后,直接通过麦克风捕获音频,延迟通常在 1-3 秒内。无需配置任何 API Key。

启动转录服务的命令:

# 使用默认模型(base)启动转录服务
meetily transcribe --model base --device cpu

# 指定 GPU 并使用更准确的 medium 模型
meetily transcribe --model medium --device cuda

2. 自动摘要与动作项提取

转录完成后,Meetily 调用本地运行的 LLM(默认集成 Llama.cpp 或 Ollama)对全文进行结构化处理。它不仅能生成会议摘要,还能自动识别“待办事项”、“决策”、“问题”等关键信息。所有处理都在本地完成,无网络请求。

生成的摘要示例输出(JSON 格式):

{
  "summary": "讨论了Q3产品路线图,确定优先修复登录模块的性能问题。",
  "action_items": [
    "张伟:下周二前完成登录模块压力测试报告",
    "李娜:周四安排与设计团队的UI对齐会议"
  ],
  "decisions": ["推迟移动端新功能开发至Q4"]
}

3. 本地知识库问答 (RAG)

你可以将项目文档、历史会议记录等文件放入指定目录,Meetily 会自动构建向量索引。在会议中或会议后,你可以直接向它提问:“上次关于数据库迁移的决策是什么?” 它会在本地检索相关片段并生成回答,无需联网。

快速上手

安装与运行非常简单,前提是你已经安装了 Node.js 18+Docker(用于一键启动模型服务)。

# 1. 安装 Meetily CLI
npm install -g meetily

# 2. 启动本地模型服务(推荐使用 Docker)
docker run -d --name meetily-models -p 8080:8080 \
  -v ./models:/models \
  zackriya/meetily-models:latest

# 3. 开始一次会议转录
meetily start --meeting "Sprint Planning"

启动后,打开浏览器访问 http://localhost:3000,即可看到实时转录界面。

技术亮点

Meetily 的核心架构设计体现了对 本地优先资源效率 的极致追求:

  • 模块化推理引擎抽象:项目没有绑定死某个 AI 框架,而是通过统一的 InferenceProvider 接口,允许用户自由切换 Whisper.cpp、Llama.cpp、Ollama 甚至 ONNX Runtime。这意味着你可以根据硬件条件(CPU/GPU/Apple Silicon)选择最合适的后端,而不是被项目锁死。
  • 流式处理管道:转录和摘要不是串行的。Meetily 使用 WebSocket 将音频流实时推送给 Whisper,同时将已生成的文本片段以流式方式送入 LLM 进行增量摘要。这避免了等待整个会议结束才能看到任何结果,用户体验接近云端服务。
  • 嵌入式向量数据库:RAG 功能使用了 LanceDB(一个列式向量数据库),它直接以文件形式存储在本地目录,不需要单独启动数据库服务。索引构建和查询都在进程内完成,进一步降低了部署复杂度。

同类对比

项目 本地运行 实时转录 LLM 摘要 知识库问答 开源协议
Meetily 是(本地) MIT
Otter.ai 是(云端) 专有
Fireflies.ai 是(云端) 专有
WhisperX + 手动脚本 部分 需自行集成 需自行集成 MIT

与直接使用 WhisperX 加脚本的方案相比,Meetily 提供了开箱即用的 完整工作流(转录→摘要→RAG)和一个 统一的 Web UI,省去了大量集成工作。而对比 Otter.ai 等商业产品,Meetily 最大的优势就是 数据主权

总结

如果你对会议数据隐私有硬性要求(比如律师、医生、安全团队),或者你只是不想让第三方公司白嫖你的对话数据,Meetily 是目前最成熟、最易用的本地化 AI 会议助手。它不是一个玩具项目,而是一个可以真正投入日常使用的工具。

🚀

AI 项目推荐

智能体
标签
#会议助手 #语音识别 #隐私 #Rust
浏览
👁️ 13
发布日期
2026-07-19