快速信息卡

Meetily 深度拆解：开源隐私优先的 AI 会议助手，本地 Whisper/Parakeet 实时转写 + 多模型总结

会议转写工具已经不少，但几乎默认把音频传上云端。Meetily 走的是另一条路：录音、实时转写、AI 总结三条链路全部跑在用户自己的电脑上——转写用本地的 Whisper / Parakeet，总结可以选本地 Ollama 或第三方 API，录音、转写文本、总结结果都存进本地 SQLite。对律师、医生、企业合规这类对会议内容敏感的人群，这条"本地优先、云端可选"的路线比纯 SaaS 更实际。

本文从它解决的问题、架构分工、引擎选型、构建链路和适用边界几个角度，把 Meetily 拆成可验证的事实。

学习目标

读完本文，你应该能：

• 说清 Meetily 的隐私边界：哪些环节留在本机，哪些环节可能出网
• 画出它的分层架构：Next.js 前端如何通过 Tauri 命令与 Rust 后端协作
• 区分 Whisper 与 Parakeet 两套转写引擎的定位差异
• 复现三端构建流程，理解 GPU 加速的自动检测逻辑
• 判断自己的场景该用社区版还是 PRO 版

目录

• 快速信息卡
• 学习目标
• 它到底解决什么问题
• 整体架构：一个后端，五块组件
• 一次会议如何流过系统
• 引擎选型：Whisper 与 Parakeet 的差异
• 音频捕获与 GPU 加速
• 构建链路与平台支持
• AI 提供方与总结
• 适用边界与限制
• Meetily PRO 与社区版的边界
• 常见问题与故障排查
• 自测题
• 进阶路径
• 总结
• 参考资料

它到底解决什么问题

Meetily 的 README 把痛点拆成三条：

1. 数据隐私：README 援引 IBM 2024 报告，平均单次数据泄露成本 440 万美元；到 2025 年欧盟已累计开出 58.8 亿欧元 GDPR 罚单；加州当年发生 400 多起非法录音诉讼
2. 成本控制：云端转写按分钟计费，重度用户每月开销不小
3. 厂商锁定：主流 SaaS 把数据存在自家服务器，存储位置和保留期限由厂商说了算

针对这三条，Meetily 给出三层解法：

• 本地转写：Whisper.cpp / Parakeet ONNX 都在用户机器上跑，音频不离开设备
• 开源模型：转写侧没有 API 调用费，只剩电费
• 自托管存储：录音、转写、总结都写入本地 SQLite，没有云端副本

难点在于这三条要装进一个"开箱即用"的桌面应用（macOS / Windows，Linux 自构建），而不是让用户自己跑 Docker、配 GPU 服务。这个约束直接决定了它的技术栈选择。

整体架构：一个后端，五块组件

Meetily 是单进程自包含的桌面应用：Tauri 负责窗口和系统事件，Rust 后端承担核心逻辑，Next.js 前端负责界面。官方架构文档（docs/architecture.md）把后端拆成五块组件，各有单一职责：

前端不直接接触音频和模型推理，一切通过 Tauri Commands 走 Rust。数据流向可以画成一条单向链：

[Audio Engine]        采集麦克风 + 系统音频（ducking 防回授）
      │
      ▼
[Transcription Engine]   Whisper / Parakeet 本地实时转写（GPU 加速）
      │
      ▼
[SQLite Database]      会议元数据、转写文本、总结
      ▲
      │
[Summary Engine]       LLM 生成结构化总结（本地 Ollama 或远程 API）
      ▲
      │
[Next.js 前端]        界面操作、展示与配置（经 Tauri Commands 调后端）

转写和总结是两条相对独立的链路，中间由 SQLite 承接：转写引擎写入文本，总结引擎读取文本产出纪要。这种拆分让"换转写引擎"和"换总结模型"互不影响，也是后面几节讨论引擎和提供方的基础。

一次会议如何流过系统

把模块串成一个具体场景：你打开 Meetily，点开始，和客户开了一小时会。

1. 采集：Audio Engine 同时捕获麦克风和系统音频（你的声音 + 对方电脑的播放声），做混合与 ducking，避免扬声器回授。
2. 转写：音频按片段交给 Transcription Engine，Whisper 或 Parakeet 在本地把语音转成文字；GPU 可用时走 Metal / CUDA 加速。文字实时出现在前端面板。
3. 落库：转写文本、时间戳、会议元数据写入本地 SQLite。
4. 总结：会议结束，Summary Engine 把转写文本交给选定的 LLM——本地 Ollama 不出网，Claude / Groq / OpenRouter 走远程——按内置模板生成结构化纪要。
5. 编辑与导出：在前端编辑器里改总结，然后按需导出。

整个过程里，只有第 4 步选了远程模型时转写文本会出网；音频从头到尾不离开本机。这也是 Meetily 与云端 SaaS 最本质的差别。

引擎选型：Whisper 与 Parakeet 的差异

Meetily 提供两套本地转写引擎，README 的说明是两者都支持、定位不同：

仓库的描述（GitHub about 字段）称其 Parakeet / Whisper 实时转写比常规方案快 4 倍，结合 README 的 GPU 加速与实时转写定位，这个数字主要来自硬件加速和流式处理。实际使用有三个细节：

1. 模型都在本地：两套引擎的模型文件在用户机器上加载（README 明确"转写模型、录音、转写文本都留在机器上"），不经过任何云端转写接口。
2. Parakeet 的 ONNX 来源：Acknowledgments 注明使用 istupakov/parakeet-tdt-0.6b-v3-onnx 转换版，对应 NVIDIA TDT-0.6B 模型。
3. Import & Enhance：把历史录音拖进应用，可以换模型或换语言重新转写（README 标注为 Beta）。

音频捕获与 GPU 加速

音频采集由 Audio Engine 负责，README 明确支持：

• 麦克风捕获
• 麦克风 + 系统音频同时捕获，带智能 ducking（压低系统音量避免回授）和 clipping 预防
• 一次会议同时录下"你的声音 + 你听到的播放声"，合成一份待转写音轨

GPU 加速按平台自动启用，不需要用户在界面里选择：

关键在于"自动"是怎么实现的。构建脚本 build-gpu.sh / dev-gpu.sh 先定位 package.json，再运行 scripts/auto-detect-gpu.js（或读取 TAURI_GPU_FEATURE 环境变量）探测硬件，然后按探测结果编译 llama-helper 这个 sidecar 二进制，放进 src-tauri/binaries 交给 Tauri 调用。探测优先级是 NVIDIA CUDA → AMD ROCm（hipblas）→ Vulkan → OpenBLAS → 纯 CPU。值得注意的一点：驱动装了不等于加速生效，还必须装好对应的开发 SDK（CUDA toolkit、ROCm、Vulkan SDK 等），否则会回退到 CPU。

构建链路与平台支持

直接安装

• Windows：从 Releases 下载 x64-setup.exe，图形化安装
• macOS：从 Releases 下载 meetily_0.4.0_aarch64.dmg（当前仅提供 Apple Silicon 版本）
• Linux：无预编译包，从源码构建

从源码构建

README 的快速开始给的是：

git clone https://github.com/Zackriya-Solutions/meeting-minutes
cd meeting-minutes/frontend
pnpm install
./build-gpu.sh

注意克隆地址是 meeting-minutes——README 的克隆与发布链接指向这个仓库，与当前展示仓库 meetily 名称不同；当前代码结构是 backend/、frontend/、docs/、llama-helper/、scripts/。

三端依赖与命令（来自官方 BUILDING.md）：

Linux 构建产物是 Meetily_<版本>_amd64.AppImage。macOS 默认启用 Metal 加速；Windows 默认 CPU-only，GPU 加速另见 GPU_ACCELERATION.md。

AI 提供方与总结

转写是本地，总结这一步可选本地或云端：

自定义端点作为独立配置项开放，企业可以把私有 LLM 服务直接接进来。总结产物是结构化纪要：后端内置一套 prompt 模板，不绑定具体模型；README 的 summary.png 截图展示了实际输出样式。模型越强，结构化程度越好。

适用边界与限制

Meetily PRO 与社区版的边界

Meetily 采用"开源社区版 + 闭源商业版"双轨制：

• 社区版（MIT）：永久免费开源，含本地转写、AI 总结（任意 provider）、基础能力；README 明确 “free & open source forever”。
• PRO 版：独立代码库，提供更高准确度的转写模型、自定义摘要模板、PDF / DOCX / Markdown 高级导出、自动检测并加入会议、日历集成、面向团队的自托管部署（2–100 用户）、GDPR 审计支持。说话人分离计划 6 月中旬上线，多模型问答（Chat with Meetings）在路线图中。

PRO 与社区版不是同一代码库的功能开关，而是两套代码。社区版持续维护，PRO 上线的新能力（如说话人分离）不会自动回流到社区版。100 人以上或需要托管合规方案的组织，官方引导转向 Meetily Enterprise。

常见问题与故障排查

Q: 转写到底在本地还是云端？

本地。Whisper / Parakeet 模型跑在用户机器上，音频不离开设备。只有总结环节选了远程模型（Claude / Groq / OpenRouter）时，转写文本会发往对应 API。

Q: 怎么接入公司内部的私有大模型？

在总结配置里填自定义 OpenAI 兼容端点，指向你的 vLLM、TGI、LM Studio、LocalAI 等部署即可，不需要改 Meetily 代码。

Q: GPU 加速没生效怎么办？

先确认不是"只装了驱动"：NVIDIA 需要 CUDA toolkit（nvcc 可用），AMD 需要 ROCm（hipcc 可用），Vulkan 需要 VULKAN_SDK 和 BLAS_INCLUDE_DIRS 环境变量。也可以在构建时用 TAURI_GPU_FEATURE=cuda（或 vulkan、hipblas）强制指定。

Q: Linux 没有预编译包吗？

没有，需从源码构建，产物是 AppImage。依赖 build-essential、cmake、git，构建命令 ./build-gpu.sh。

自测题

1. Meetily 的隐私边界画在哪里？哪些环节可能出网？
2. 后端五块组件分别做什么？前端通过什么方式和后端通信？
3. Whisper 和 Parakeet 各自适合什么场景？
4. build-gpu.sh 是如何做到"自动"选择加速方式的？
5. PRO 版和社区版是什么关系？为什么 PRO 的功能不会自动回到社区版？

进阶路径

按下面顺序读，每一环都搭在前一环的问题上：

1. Meetily 仓库：先通读 README 和 docs/architecture.md，建立整体认知。
2. docs/BUILDING.md：想复现三端构建、理解 GPU 自动检测时读。
3. whisper.cpp：Meetily 借用了它的代码，也是理解本地转写实现的最佳入口。
4. Parakeet ONNX：看 Meetily 实际使用的转换模型。
5. Tauri 文档：理解"Rust 后端 + Web 前端"如何打成一个桌面应用。

总结

Meetily 的价值不在"多一个会议转写工具"，而在把"会议数据留在本机"做成一键安装的桌面应用。它适合：

• 律师、医生、顾问：客户对话必须本地处理
• 企业合规团队：会议内容需要审计但不上公网
• 重度会议用户：会议量大，不想按分钟被云端 SaaS 计费

不适合：

• 需要说话人分离的多人会议（PRO 路线图）
• 需要移动端录音（只有桌面端）
• Linux 用户不接受源码编译（无预编译包）

一个务实的采用顺序：个人或小团队、内容敏感，直接上社区版 + 本地 Ollama，全程不出网；要 PDF/DOCX 导出、自动入会、说话人分离，等 PRO 对应能力上线再评估；100 人以上或需托管合规方案，看 Enterprise。在"数据不出本机 + 不需要会议平台自动接入"的组合里，Meetily 是开源生态中少数的成熟选择之一。

参考资料

• 仓库：https://github.com/Zackriya-Solutions/meetily
• 官网：https://meetily.ai
• 架构文档：docs/architecture.md（仓库内）
• 构建文档：docs/BUILDING.md、docs/building_in_linux.md（仓库内）
• 相关项目：whisper.cpp、Screenpipe、transcribe-rs、Parakeet ONNX