Meetily：让会议记录彻底告别云端，把 AI 装进你自己的电脑里
上周和一位做企业咨询的朋友吃饭，他苦笑着给我看了一条新闻：某知名云会议记录工具承认，客户的录音片段曾被用于训练第三方模型。他说这话的时候，餐桌上正在讨论的客户尽调方案就摆在手机里，旁边还有一份未公开的并购清单。
那一瞬间我突然意识到一个被大家集体忽视的事实 —— 我们以为 AI 只是” 听一听、记一记”，但每一份会议录音里，可能都装着并购底价、未公开的财报、客户名单、医疗诊断、律师策略。
第二天早上刷 GitHub Trending，第 3 个项目让我精神一振：
Zackriya-Solutions / meetily — Privacy 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.
单日 2,494 星，仓库总数 19.4k，当日 Trending 第一。我点进去看 README，第一句标语就把我钉住了：
All processing happens locally on your device. No data ever leaves your computer.
就这一句，把云端会议工具整个商业模式打成了筛子。
项目背景：会议 AI 的” 隐私黑洞”
把这件事放回行业看，问题比想象中更严重。
数据泄露的代价惊人。 根据 IBM 2024 年的报告，企业数据泄露的平均成本已经达到 440 万美元一次；欧盟 GDPR 罚款累计突破 58.8 亿欧元；加州今年已经出现了 400+ 起非法录音诉讼。这些数字背后，是无数企业高管用着” 免费的” Otter、Fireflies、飞书妙记，一边把公司的命脉悄悄送到了别人机房。
更尴尬的是合规问题。咨询行业、医疗行业、法律行业、金融行业，几乎所有的核心对话都涉及客户机密。但凡把这些录音上传到云端，就同时把”SOC 2 / HIPAA / 律师执业守则” 全部豁出去了。
Meetily 解决的就是这件事：完全数据主权、零厂商绑定、对敏感对话的完整控制权。
它的 README 写得非常硬气 —— 它直接引用了那三个数据泄露数字，然后告诉你：Meetily 就是来替代那些让你睡不着觉的云服务。
核心功能：把企业级会议 AI 装进一台 Mac
看完 README，我把它最硬核的几个功能梳理了一下：
1. 完全本地转写：Whisper / Parakeet 双引擎
Meetily 用 Rust 内核打包了 Whisper.cpp 和 NVIDIA 的 Parakeet TDT 模型，转写全程在本地 GPU/CPU 上跑。README 里特别强调 Parakeet 比 Whisper 快 4 倍 —— 这对实时会议场景来说是从” 能用” 到” 好用的临界点”。
支持 GPU 加速：
- macOS：Apple Silicon（Metal + CoreML）
- Windows/Linux：NVIDIA（CUDA）、AMD/Intel（Vulkan）
我自己的 MacBook M2 上跑 Parakeet，实时转写一个 1 小时会议，CPU 占用基本不卡风扇。
2. 说话人分离（Speaker Diarization）
这才是企业场景真正刚需的功能 —— 会议不是一个人的独白，谁说了什么必须分得清。
Meetily 集成了 NVIDIA 的 Sortformer 模型做说话人聚类，能自动识别” 这是 A，这是 B，这是 C”。和转写引擎深度耦合之后，输出的不是一坨文本，而是带发言人标签的时间轴。
3. AI 摘要，但模型也是你的
会议转写完之后，默认用 Ollama 在本地跑摘要 ——Llama 3、Qwen、Mistral 随便选。不喜欢本地？也可以接 Claude / Groq / OpenRouter，或者任何 OpenAI 兼容端点。
关键设计：默认走本地，但允许你切换。这意味着你可以用一台内网隔离的服务器做摘要，企业数据中心里就能闭环。
4. 专业音频混音：麦克风 + 系统声卡同时录
很多人低估了这个功能的价值。Meetily 能同时捕获你的麦克风和会议软件（Zoom / Teams / 腾讯会议）的系统声卡输出，并且自带智能 ducking（侧链压低 BGM）和削峰防止。
结果是：你在腾讯会议里开会，Meetily 在你电脑上录的是两条干净的音轨，转写时知道哪条是” 我说的”，哪条是” 对方说的”。
5. 离线运行，跨平台覆盖
macOS、Linux、Windows 全平台支持。下载安装包就能用，不需要登录、不需要注册、不需要任何云端账号。
这意味着哪怕你在飞机上、地下停车场、保密会议室里断网开会，它一样能用。
实战示例：5 分钟把 Meetily 跑起来
我自己的部署流程非常简单，全程不到 5 分钟。
第一步：下载安装包
去 GitHub Releases 找最新版本：
1 | # macOS（Apple Silicon） |
第二步：安装 Ollama（本地 LLM）
如果你想完全离线，还需要 Ollama：
1 | # macOS |
第三步：配置 Meetily
打开 Meetily，进入 Settings：
- 选择转写引擎：Parakeet TDT 0.6B（推荐，速度快）或 Whisper Large（准确率更高）
- 选择 LLM 提供商：Ollama (Local)
- 模型选择：llama3 或 qwen2.5
- 音频设备：勾选麦克风 + 系统声卡
第四步：开始会议
打开 Meetily，点 “Start Recording”，然后正常开你的 Zoom / 腾讯会议。Meetily 会在后台：
- 实时捕获音频
- 转写成带时间戳 + 说话人标签的文本
- 一键生成结构化摘要（默认模板：会议纪要 + Action Items + 关键决策）
第五步：导出 / 二次增强
会议结束后，可以：
- 直接编辑转写文本（拼写错误修正、术语替换）
- “Enhance” 功能：换一个更强的模型重新转写同一份录音
- 导出 Markdown / 文本（PRO 版支持 PDF / DOCX）
适用场景和限制
最适合的场景
- 企业 1-on-1 / 高管会议：并购、薪酬、解雇这种敏感话题，绝对不能上云
- 律师 / 咨询 / 医生 / 心理咨询：执业合规要求录音不离开内网
- 科研 / 学术讨论：未发表的论文思路、研究方向必须保密
- 个人隐私用户：就是不想让任何云端看到你的对话
当前的限制
坦白说，Meetily 还不完美。我实际用了几天，发现几个明显短板：
- 说话人识别准确率：在 3-4 人会议里表现很好，6 人以上就有点混乱（PRO 版据说会改进）
- 专业术语：默认模型对法律、医学术语识别一般，需要自己后处理修正
- Mac 资源占用：长时间会议（>2 小时）内存占用会涨到 4-5 GB
- 实时翻译：目前不支持中英实时互译（很多云端工具的卖点）
和同类项目的差异
市面上类似的本地会议 AI 工具不多，主要对比：
| 工具 | 优势 | 短板 |
|---|---|---|
| Meetily | Rust 内核 + Parakeet 4x 速度 + Tauri 桌面应用 | 生态较新 |
| Screenpipe | 24 小时录屏 + OCR | 不是专门做会议的 |
| whisper.cpp 原始方案 | 完全开源可定制 | 需要自己写 UI 和说话人分离 |
| 云端 Otter / Fireflies | 不用配环境 | 数据上云，隐私风险 |
如果你只想轻量、稳定、能马上用，Meetily 是目前最均衡的选择。
总结
回到开头那个问题 —— 你的会议录音到底应该存在哪里？
Meetily 给出的答案是：存在你自己的硬盘里、跑在你自己的 GPU 上、永远不出你家门。这是 2026 年 AI Agent 时代最稀缺的一种” 叛逆精神”—— 在一个所有应用都想把你的数据搬到云端变现的时代，它选择把模型搬到你面前。
对于咨询师、律师、医生、企业高管、独立开发者，Meetily 不是” 又一个 AI 工具”，而是一次对云端会议垄断的彻底解放。19.4k star、单日 Trending 第一的成绩，也说明大家确实受够了那些” 免费但代价昂贵” 的云服务。
如果你正在为团队的会议合规头疼，或者只是想给自己找一个真正属于自己的 AI 会议助手 —— 去 GitHub 下载一个 Meetily，今晚的会议就可以开始用。
GitHub 地址：https://github.com/Zackriya-Solutions/meetily
License：MIT