Meetily 开源 AI 会议助手：本地语音转录 + 自动摘要，替代 Otter.ai
Meetily 是开源 AI 会议助手，100% 本地运行，用 Whisper 做语音转录、Ollama 生成会议摘要。告别 Otter.ai 月费和隐私泄露风险。Docker 一键部署，支持 Windows/macOS/Linux，30 分钟搞定。本教程从安装到实战，手把手教你搭建自己的会议助手。
你每天开会两小时，转录交给 Otter.ai，然后它把你的录音扔进它的服务器。
上个月，公司法务找我谈话，问我为什么把客户会议录音上传到第三方服务。我愣了三秒——我用的是 Otter.ai，行业标杆，HIPAA 合规，看起来很安全。
然后我去查了 Otter.ai 的数据处理协议。第 4.2 节写得很清楚：他们有权用你的数据训练模型。你的会议内容，可能正在被用来优化别人的 AI。
你的会议内容，你的知识产权，你的客户隐私——凭什么？
Meetily 是一个开源的 AI 会议助手，GitHub 12K+ Stars，100% 本地运行。它用 Whisper 做转录，用 Ollama 做摘要，你的音频和文字永远不会离开你的电脑。
一句话：30 分钟部署，以后开会录音自己转，摘要自己生成，数据自己存。
为什么不用 Otter.ai / Fireflies.ai
| 对比项 | Otter.ai | Fireflies.ai | Meetily |
|---|---|---|---|
| 数据位置 | Otter 服务器 | Fireflies 服务器 | 你自己的电脑 |
| 月费 | $16.99 起 | $18 起 | 免费 |
| 转录模型 | 云端专有 | 云端专有 | Whisper（本地） |
| 摘要 AI | 云端 GPT | 云端 GPT | Ollama（本地）或 API |
| 开源 | ❌ | ❌ | ✅ MIT 协议 |
| 离线可用 | ❌ | ❌ | ✅ |
| HIPAA 合规 | 需要企业版 | 需要企业版 | 本地部署天然合规 |
真正的问题不是价格。 Otter.ai 的免费版每月 300 分钟转录，对轻度用户够用。问题是控制权。你的会议录音包含客户信息、商业策略、产品路线图——这些数据在别人的服务器上，你无法审计、无法删除、无法保证它不被用于其他用途。
我之前用 Otter.ai 两年，累积了 400+ 小时的会议记录。有一天我导出数据，发现它只支持 CSV 格式——没有原始音频，没有时间戳对齐，连说话人都没区分。我花了三天手动整理。
Meetily 的态度很明确：你的数据是你的，永远。
它能做什么
Meetily 不只是转录。它是一个完整的会议工作流：
- 实时转录 — 会议进行中，文字同步显示。用 Whisper 或 Parakeet 模型，比 Otter.ai 快 4 倍。
- 说话人分离 — 自动区分谁在说话，不用手动标注。
- AI 摘要 — 会后自动生成结构化摘要：要点、待办事项、关键决策。
- 本地存储 — 所有数据存 SQLite，你随时可以查询、导出、删除。
- 多平台支持 — Zoom、Teams、Google Meet、Webex，通吃。
- 离线模式 — 断网也能用，转录和摘要全部本地完成。
技术栈： Tauri（桌面框架）+ Rust（后端）+ Next.js（前端）+ Whisper.cpp（转录）+ Ollama（摘要）+ SQLite（存储）。这不是玩具，是正经的工程。
部署：30 分钟搞定
你需要什么
- 一台电脑 — macOS 或 Windows 桌面应用直接下载。Linux 需要从源码编译（下文会讲）。
- 8GB+ 内存 — Whisper 转录需要，16GB 更好。
- 10GB+ 磁盘空间 — 模型文件较大。
- Docker（可选）— 如果你想跑后端服务。
方案一：桌面应用（最简单）
macOS 用户：
# 从 GitHub 下载 .dmg 文件
# https://github.com/Zackriya-Solutions/meetily/releases/latest
# 双击安装，拖到 Applications 文件夹Windows 用户：
# 下载 .exe 安装包
# https://github.com/Zackriya-Solutions/meetily/releases/latest
# 双击运行，跟着向导走打开 Meetily，它会引导你选择转录模型和 AI 提供商。选 Ollama 作为 AI 提供商，它会自动检测你本地的 Ollama 实例。
方案二：Docker 部署（团队用）
如果你想让团队共享一个 Meetily 实例，用 Docker：
# docker-compose.yml
services:
meetily-backend:
image: zackriya/meetily-backend:latest
container_name: meetily-backend
restart: unless-stopped
ports:
- "8178:8178"
volumes:
- /opt/meetily/data:/app/data
environment:
- WHISPER_MODEL=base
- OLLAMA_HOST=http://host.docker.internal:11434
# 如果有 NVIDIA GPU，取消下面的注释
# deploy:
# resources:
# reservations:
# devices:
# - driver: nvidia
# count: 1
# capabilities: [gpu]# 创建数据目录
mkdir -p /opt/meetily/data
# 启动
docker compose up -dGPU 加速： 如果你有 NVIDIA 显卡，取消注释 GPU 部分。Whisper 在 GPU 上跑比 CPU 快 10 倍。
方案三：Linux 从源码编译
Linux 目前没有预编译的桌面应用，需要从源码编译：
# 安装依赖
sudo apt update
sudo apt install -y curl wget git build-essential cmake \
libwebkit2gtk-4.1-dev libappindicator3-dev librsvg2-dev \
patchelf libssl-dev libgtk-3-dev libayatana-appindicator3-dev
# 克隆仓库
git clone https://github.com/Zackriya-Solutions/meetily.git
cd meetily
# 安装 Rust（如果还没装）
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
source ~/.cargo/env
# 安装前端依赖
cd frontend
npm install
cd ..
# 安装后端依赖
cd backend
pip install -r requirements.txt
cd ..
# 构建
cargo tauri build编译完成后，可执行文件在 src-tauri/target/release/ 目录下。
首次配置
选择转录模型
Meetily 支持两种转录引擎：
| 模型 | 速度 | 准确度 | 内存需求 | 推荐场景 |
|---|---|---|---|---|
| Whisper base | 快 | 中等 | 1GB | 日常会议，英语为主 |
| Whisper large-v3 | 慢 | 高 | 4GB | 重要会议，多语言 |
| Parakeet | 最快 | 高 | 2GB | 实时转录，性能优先 |
我的选择： 日常用 Whisper base，重要会议切换到 large-v3。Parakeet 是新出的，速度快但生态还在完善。
配置 AI 摘要
Meetily 支持多种 AI 提供商：
| 提供商 | 价格 | 隐私 | 推荐指数 |
|---|---|---|---|
| Ollama（本地） | 免费 | 完全本地 | ⭐⭐⭐⭐⭐ |
| Claude API | 按量付费 | 数据发送到 Anthropic | ⭐⭐⭐ |
| Groq API | 免费额度 | 数据发送到 Groq | ⭐⭐⭐ |
| OpenRouter | 按量付费 | 数据发送到 OpenRouter | ⭐⭐ |
推荐用 Ollama。 如果你还没装 Ollama，跟着前面的教程装一下。Meetily 会自动检测本地的 Ollama 实例。
# 安装 Ollama（如果还没装）
curl -fsSL https://ollama.com/install.sh | sh
# 拉取摘要模型
ollama pull llama3.1:8b为什么选 llama3.1:8b？ 8B 参数在摘要任务上够用，4GB 显存就能跑。如果你有 16GB+ 内存，可以用 70B 模型，摘要质量明显提升。
实战：一次完整的会议流程
第一步：开始录音
打开 Meetily，点击”开始录音”。它会自动捕获系统音频——你不需要给会议软件装任何插件。
支持的会议平台：
- Zoom
- Microsoft Teams
- Google Meet
- Webex
- 腾讯会议
- 飞书
- 任何通过浏览器或桌面应用运行的会议软件
第二步：实时转录
会议进行中，Meetily 左侧显示实时转录文字。它会自动区分说话人，标注谁在说什么。
小技巧： 如果转录不准确，检查麦克风输入是否正确。Meetily 默认使用系统默认音频设备。在设置里可以切换。
第三步：生成摘要
会议结束后，点击”生成摘要”。Meetily 会用本地 AI 分析转录内容，输出结构化摘要：
## 会议摘要
**日期：** 2026-07-06
**时长：** 45 分钟
**参与者：** 张三、李四、王五
### 关键要点
- 产品 Q3 路线图已确认，优先级：API 重构 > 移动端 > 文档
- 预算审批延迟，需要下周前提交修订版
- 新客户（XX 公司）合同谈判进入最终阶段
### 待办事项
- [ ] 张三：周四前提交修订版预算
- [ ] 李四：完成 API 重构方案评审
- [ ] 王五：跟进 XX 公司合同
### 关键决策
- Q3 不再新增功能需求，专注稳定性
- 移动端开发推迟到 Q4第四步：导出和分享
摘要可以直接复制到剪贴板，或者导出为 Markdown 文件。转录全文也可以导出，带时间戳和说话人标注。
常见问题和解决方案
问题 1：转录很慢
原因： 你在用 CPU 跑 Whisper large-v3。
解决：
- 切换到 Whisper base 模型——速度快 3 倍，准确度损失很小。
- 如果有 NVIDIA GPU，确保 CUDA 驱动正确安装。
- 用 Parakeet 模型——专为速度优化。
问题 2：中文转录不准确
原因： 默认的 Whisper base 模型对中文支持一般。
解决： 切换到 Whisper large-v3 或 medium 模型。large-v3 的中文准确率明显更高。
问题 3：Ollama 摘要生成失败
原因： Ollama 没运行，或者模型没下载。
解决：
# 检查 Ollama 是否运行
curl http://localhost:11434/api/tags
# 如果没运行，启动它
ollama serve
# 确保模型已下载
ollama pull llama3.1:8b问题 4：会议软件没声音
原因： Meetily 没有捕获到正确的音频流。
解决：
- 检查系统音频设置——Meetily 需要捕获”系统音频”，不只是麦克风。
- macOS 用户：需要在系统偏好设置中给 Meetily 授权”录音”权限。
- Windows 用户：确保 Meetily 以管理员身份运行。
进阶玩法
自定义摘要模板
Meetily 的摘要模板可以在设置中自定义。你可以添加自己的提示词，让它按你的格式输出：
请用以下格式生成会议摘要：
## 基本信息
- 日期：
- 时长：
- 参与者：
## 技术决策
（列出所有技术相关的决策）
## 行动项
（按人分组列出待办事项）
## 风险和阻塞
（列出提到的风险和阻塞问题）
## 下一步
（下一步行动计划）集成到工作流
Meetily 生成的 Markdown 摘要可以直接导入 Notion、Obsidian、Logseq 等笔记工具。你可以用 n8n 或其他自动化工具，实现会议结束自动生成摘要并推送到指定位置。
多语言支持
Meetily 的 Whisper 模型支持 99 种语言。如果你经常开中英混合会议，用 large-v3 模型——它对代码切换（code-switching）的处理最好。
诚实的局限性
Meetily 不是完美的。说几个实际遇到的问题：
- Linux 没有桌面应用 — 需要从源码编译，对新手不友好。开发团队说在做了，但还没发布。
- 实时转录有延迟 — 大约 2-3 秒。不是实时的，但够用。
- 说话人分离需要校准 — 第一次使用时，它可能分不清谁是谁。用几次后会越来越准。
- 模型文件较大 — Whisper large-v3 约 3GB，下载需要时间。
- 社区相对年轻 — 不像 Otter.ai 那样有十年积累，遇到问题可能需要自己翻 GitHub Issues。
但这些局限性值不值得接受？ 我的答案是：绝对值得。因为核心价值——数据控制权——是任何 SaaS 工具给不了你的。
总结
| 你得到了什么 | 你放弃了什么 |
|---|---|
| 100% 本地数据控制 | 云端协作功能（团队共享转录） |
| 免费，无月费 | 预训练的说话人识别模型 |
| 开源，可定制 | 十年积累的用户生态 |
| 离线可用 | 移动端应用（目前只有桌面端） |
| 多语言支持 | 自动会议日历集成 |
我的建议： 如果你处理敏感信息（客户数据、商业机密、法律文件），Meetily 不是可选项——它是必选项。如果你只是偶尔开会记个笔记，Otter.ai 的免费版够用。
但一旦你体验过数据完全在自己手里的感觉，你就再也回不去了。
快速开始清单
- 下载 Meetily 桌面应用（GitHub Releases）
- 安装 Ollama（教程）
- 拉取摘要模型：
ollama pull llama3.1:8b - 打开 Meetily，选择 Whisper base 模型 + Ollama AI 提供商
- 开一次会，测试转录和摘要
- 导出摘要，导入你的笔记工具