Meetily5 分钟搭好离线 AI 会议记录工具【免费下载链接】meetilyPrivacy first, AI meeting assistant with 4x faster Parakeet/Whisper live transcription, speaker diarization, and Ollama summarization built on Rust. 100% local processing. no cloud required. Meetily (Meetly Ai - https://meetily.ai) is the #1 Self-hosted, Open-source Ai meeting note taker for macOS Windows. Understand How to write meeting minutes项目地址: https://gitcode.com/GitHub_Trending/me/meetily9 点的站会一散谁提过什么、谁要跟进什么脑子里只剩碎片。Meetily 是一个开源的本地 AI 会议记录工具把录音、实时转录和自动总结全部放在自己设备上完成不依赖云服务断网也能照常工作。这篇文章按一次会议的真实流程走先把服务跑起来再开第一场会随后处理转录准确度、常见卡点和本地大模型这类进阶事项跟完这一遍Meetily 就能正式顶替纸质速记了。本地部署 Meetily 的最快方式Meetily 的 Docker 方案实际是两个容器whisper 服务负责语音转文字meetily-backend 负责存储、纪要与 API分别对外提供 8178 和 5167 端口。git clone https://gitcode.com/GitHub_Trending/me/meeting-minutes cd meeting-minutes/backend ./build-docker.sh cpu第二条命令在本地构建镜像脚本会自动探测显卡决定走 GPU 还是 CPU 路线。接着启动./run-docker.sh start --interactive交互式启动会依次问模型、语言、端口首次建议直接选默认的base.en模型会随启动自动拉取base 档不到 150MB。跑通之后浏览器打开http://localhost:5167/docs能看到 API 文档页说明两个服务都已就绪。有一点要提前记住音频处理对资源比较敏感官方建议给 Docker 预留 8GB 以上内存和 2 核以上 CPU负载上来时音频队列塞满就会丢块日志里会出现Dropped old audio chunk的警告。想先理解整条链路可以读 architecture.md不装 Docker 的话Windows 可以用backend/start_with_output.ps1启动预编译后端macOS 则建议直接走 Homebrew 安装的桌面版。开第一场会从录音到纪要的完整动线部署完成后整个流程只有一条动线在 Audio Device Settings 里选音源麦克风录自己系统音频录屏幕里放出的声音两者都选就是双方都留底。点 Start Recording 之后文本带时间戳逐句出现在主面板底部是暂停与停止控制随时可以中断再续上会议中间还能加章节标记给内容分段。停止后点 Generate Note纪要会自动整理出 Summary、Key Decisions 和 Action Items行动项直接排成责任人、任务、截止时间的表格内容还可以继续编辑补充。最后导出或复制这场会就算完整归档了。切换 Whisper 模型提升中文准确率影响转录质量的核心就两个参数模型大小和语言。模型体积适合的场景tiny约 39MB低配机器、快速出稿base约 142MB日常会议的稳妥默认值small约 244MB对准确率有更高要求medium约 769MB中文会议、正式场合large约 1550MB追求最高准确率日常会议先用base起步中文场景建议直接上medium或更大的档位并在启动时加上语言参数例如./run-docker.sh start --model medium --language zh明确语种可以避免模型误判语言而产生串字。实时转录吃性能机器不宽裕就不要贪大。常见卡点按这个顺序排查端口冲突8178、5167 被占时lsof -i :8178找到占用进程结束它或换端口。模型下载失败网络不稳时把模型文件手动放到backend/models目录文件名保持ggml-模型名.bin格式。日志出现丢音频块给 Docker 预留 8GB 以上内存和足够的 CPU再观察是否恢复。实时转录跟不住语速先降一档模型等级再关掉占用 CPU 的后台程序。中文识别差换到medium以上并用--language zh明确指定语种。进阶玩法本地大模型与自动归档想提高纪要质量可以接一个本地 LLM装好 Ollama 后拉一个轻量模型ollama pull llama3.2:3b再在设置里把摘要提供方指向本机的 Ollama总结环节就能按自己的业务风格来数据全程不出设备。归档也是自动的每次会议的音频、逐句转录和最终纪要都落在本地数据库backend/data/meeting_minutes.db里应用内支持把旧数据库一键导入需要分享时导出成独立文件即可。想继续深入建议从 architecture.md 看整条音频处理管线遇到问题或想提需求直接去仓库的 Issue 区维护者都会回。【免费下载链接】meetilyPrivacy first, AI meeting assistant with 4x faster Parakeet/Whisper live transcription, speaker diarization, and Ollama summarization built on Rust. 100% local processing. no cloud required. Meetily (Meetly Ai - https://meetily.ai) is the #1 Self-hosted, Open-source Ai meeting note taker for macOS Windows. Understand How to write meeting minutes项目地址: https://gitcode.com/GitHub_Trending/me/meetily创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Meetily：5 分钟搭好离线 AI 会议记录工具
Meetily5 分钟搭好离线 AI 会议记录工具【免费下载链接】meetilyPrivacy first, AI meeting assistant with 4x faster Parakeet/Whisper live transcription, speaker diarization, and Ollama summarization built on Rust. 100% local processing. no cloud required. Meetily (Meetly Ai - https://meetily.ai) is the #1 Self-hosted, Open-source Ai meeting note taker for macOS Windows. Understand How to write meeting minutes项目地址: https://gitcode.com/GitHub_Trending/me/meetily9 点的站会一散谁提过什么、谁要跟进什么脑子里只剩碎片。Meetily 是一个开源的本地 AI 会议记录工具把录音、实时转录和自动总结全部放在自己设备上完成不依赖云服务断网也能照常工作。这篇文章按一次会议的真实流程走先把服务跑起来再开第一场会随后处理转录准确度、常见卡点和本地大模型这类进阶事项跟完这一遍Meetily 就能正式顶替纸质速记了。本地部署 Meetily 的最快方式Meetily 的 Docker 方案实际是两个容器whisper 服务负责语音转文字meetily-backend 负责存储、纪要与 API分别对外提供 8178 和 5167 端口。git clone https://gitcode.com/GitHub_Trending/me/meeting-minutes cd meeting-minutes/backend ./build-docker.sh cpu第二条命令在本地构建镜像脚本会自动探测显卡决定走 GPU 还是 CPU 路线。接着启动./run-docker.sh start --interactive交互式启动会依次问模型、语言、端口首次建议直接选默认的base.en模型会随启动自动拉取base 档不到 150MB。跑通之后浏览器打开http://localhost:5167/docs能看到 API 文档页说明两个服务都已就绪。有一点要提前记住音频处理对资源比较敏感官方建议给 Docker 预留 8GB 以上内存和 2 核以上 CPU负载上来时音频队列塞满就会丢块日志里会出现Dropped old audio chunk的警告。想先理解整条链路可以读 architecture.md不装 Docker 的话Windows 可以用backend/start_with_output.ps1启动预编译后端macOS 则建议直接走 Homebrew 安装的桌面版。开第一场会从录音到纪要的完整动线部署完成后整个流程只有一条动线在 Audio Device Settings 里选音源麦克风录自己系统音频录屏幕里放出的声音两者都选就是双方都留底。点 Start Recording 之后文本带时间戳逐句出现在主面板底部是暂停与停止控制随时可以中断再续上会议中间还能加章节标记给内容分段。停止后点 Generate Note纪要会自动整理出 Summary、Key Decisions 和 Action Items行动项直接排成责任人、任务、截止时间的表格内容还可以继续编辑补充。最后导出或复制这场会就算完整归档了。切换 Whisper 模型提升中文准确率影响转录质量的核心就两个参数模型大小和语言。模型体积适合的场景tiny约 39MB低配机器、快速出稿base约 142MB日常会议的稳妥默认值small约 244MB对准确率有更高要求medium约 769MB中文会议、正式场合large约 1550MB追求最高准确率日常会议先用base起步中文场景建议直接上medium或更大的档位并在启动时加上语言参数例如./run-docker.sh start --model medium --language zh明确语种可以避免模型误判语言而产生串字。实时转录吃性能机器不宽裕就不要贪大。常见卡点按这个顺序排查端口冲突8178、5167 被占时lsof -i :8178找到占用进程结束它或换端口。模型下载失败网络不稳时把模型文件手动放到backend/models目录文件名保持ggml-模型名.bin格式。日志出现丢音频块给 Docker 预留 8GB 以上内存和足够的 CPU再观察是否恢复。实时转录跟不住语速先降一档模型等级再关掉占用 CPU 的后台程序。中文识别差换到medium以上并用--language zh明确指定语种。进阶玩法本地大模型与自动归档想提高纪要质量可以接一个本地 LLM装好 Ollama 后拉一个轻量模型ollama pull llama3.2:3b再在设置里把摘要提供方指向本机的 Ollama总结环节就能按自己的业务风格来数据全程不出设备。归档也是自动的每次会议的音频、逐句转录和最终纪要都落在本地数据库backend/data/meeting_minutes.db里应用内支持把旧数据库一键导入需要分享时导出成独立文件即可。想继续深入建议从 architecture.md 看整条音频处理管线遇到问题或想提需求直接去仓库的 Issue 区维护者都会回。【免费下载链接】meetilyPrivacy first, AI meeting assistant with 4x faster Parakeet/Whisper live transcription, speaker diarization, and Ollama summarization built on Rust. 100% local processing. no cloud required. Meetily (Meetly Ai - https://meetily.ai) is the #1 Self-hosted, Open-source Ai meeting note taker for macOS Windows. Understand How to write meeting minutes项目地址: https://gitcode.com/GitHub_Trending/me/meetily创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考