项目概览Meetily 是由 Zackriya Solutions 团队开发的一款隐私优先的 AI 会议助手定位为自托管、开源的 AI 会议记录工具。项目目前在 GitHub 上获得了22.2k Stars和2.2k Forks累计 556 次提交最新版本为 v0.4.02026年6月5日发布。它的核心卖点非常明确所有会议录音、语音转写、AI 摘要生成都在本地完成数据永远不离开你的设备。这直接瞄准了 Otter.ai、Fireflies.ai 等云端会议工具留下的隐私痛点——IBM 2024 年报告显示数据泄露平均成本达 440 万美元而 GDPR 罚款累计已达 58.8 亿欧元。项目采用 MIT 许可证支持 macOS、Windows 和 Linux 三大平台。仓库地址https://github.com/Zackriya-Solutions/meetily官网https://meetily.ai为什么需要 Meetily现有会议 AI 工具的隐私风险主要体现在云端存储路径不透明数据驻留在第三方服务器合规风险GDPR、HIPAA 等法规对数据出境的严格限制非授权访问风险服务端人员、数据泄露事件供应商锁定Meetily 的解法是数据主权完全归属用户——录音、转写模型、转写文本和摘要全部在本地存储和处理零供应商锁定。核心功能功能说明实时本地转写使用 Whisper 或 Parakeet 模型全程本地处理AI 摘要生成支持 Ollama本地、Claude、Groq、OpenRouter 及自定义 OpenAI 兼容端点音频导入与增强导入已有音频文件进行转写或用不同模型/语言重新转写Beta说话人分离基于 SortFormer 的说话人识别社区版基础支持PRO 版增强专业音频混合麦克风和系统音频同步捕获RMS 自动漫入慢出和削波防护GPU 加速macOS MetalCoreML、NVIDIA CUDA、AMD/Intel Vulkan构建时自动启用多语言摘要支持用不同语言生成会议摘要v0.4.0 新增OTA 更新应用内自动更新转写恢复应用崩溃或中断后自动恢复转写数据技术栈分析Meetily 的语言构成反映了其架构选择语言占比用途Rust46.2%核心后端音频捕获、转写引擎、存储、Tauri 命令TypeScript29.7%前端 UINext.js ReactC9.9%Whisper.cpp 和 llama.cpp 的底层实现PowerShell/Shell8.4%构建脚本和 GPU 自动检测Python3.1%已归档的遗留 FastAPI 后端核心技术选型桌面框架Tauri 2.xRust替代了 Electron大幅减少内存占用和安装体积前端Next.js 14 React 18 TypeScript Tailwind CSS语音识别Whisper.cpp通过 whisper-rs 绑定和 NVIDIA Parakeet通过 ONNX 格式LLM 推理llama.cpp通过 llama-cpp-2 Rust 绑定作为 Tauri sidecar 运行富文本编辑BlockNote 0.36.0 Tiptap 2.10 Remirror 3.0UI 组件库Radix UI 全家桶 Lucide Icons Framer Motion 动画本地存储嵌入式 SQLite架构深度解析整体架构Meetily 经历了一次重要的架构演进。早期版本v0.0.x采用 Python/FastAPI 后端 独立 Whisper 服务器 Docker 的三层架构。从 v0.1.1 开始项目重构为单一自包含 Tauri 桌面应用彻底消除了独立服务器依赖。┌─────────────────────────────────────────────────────────────┐ │ Frontend (Tauri Desktop App) │ │ ┌──────────────────┐ ┌─────────────────┐ ┌──────────────┐ │ │ │ Next.js UI │ │ Rust Backend │ │ Whisper 引擎 │ │ │ │ (React/TS) │←→│ (音频IPC) │←→│ (本地 STT) │ │ │ └──────────────────┘ └─────────────────┘ └──────────────┘ │ │ ↑ Tauri Events ↑ Audio Pipeline │ └─────────────────────────────────────────────────────────────┘旧的 Python/FastAPI 后端代码保留在backend/目录中但被明确标记为归档状态不再支持新开发或生产部署。Rust 工作空间结构项目的 Cargo.toml 定义了一个 Rust 工作空间包含两个成员[workspace] resolver 2 members [ frontend/src-tauri, # 主 Tauri 应用后端 llama-helper # LLM 推理 sidecar ]llama-helper是一个独立的 Rust 二进制封装了llama-cpp-2版本 0.1.146用于在本地运行 LLM 推理。它通过 Cargo feature flags 支持 Metal、CUDA 和 Vulkan 三种 GPU 加速方式并针对体积进行了优化LTO opt-level“s” codegen-units1。音频处理管线这是 Meetily 最具技术含量的部分。音频系统有两条并行路径原始音频 (麦克风 系统) ↓ ┌──────────────────────────────────────────────────────────┐ │ 音频管线管理器 │ │ (frontend/src-tauri/src/audio/pipeline.rs) │ └─────────────┬──────────────────────────┬─────────────────┘ ↓ ↓ ┌─────────────────┐ ┌─────────────────────┐ │ 录音路径 │ │ 转写路径 │ │ (预混合) │ │ (VAD 过滤) │ └─────────────────┘ └─────────────────────┘ ↓ ↓ RecordingSaver.save() WhisperEngine.transcribe()关键设计环形缓冲区混合麦克风和系统音频以不同速率异步到达环形缓冲区VecDeque累积采样直到两个流都对齐到 50ms 窗口专业混音基于 RMS 的 ducking 算法防止系统音频淹没麦克风声音VAD语音活动检测只将包含语音的片段发送给 Whisper减少约 70% 的 Whisper 负载音频模块经过模块化重构从原来 1028 行的单体core.rs拆分为聚焦的子模块audio/ ├── devices/ # 设备发现与配置 │ ├── discovery.rs # 设备列表、权限触发 │ ├── microphone.rs # 默认输入设备 │ ├── speakers.rs # 默认输出设备 │ ├── configuration.rs # 设备类型与解析 │ └── platform/ # 平台特定实现 │ ├── windows.rs # WASAPI (~200行) │ ├── macos.rs # ScreenCaptureKit │ └── linux.rs # ALSA/PulseAudio ├── capture/ # 音频流捕获 │ ├── microphone.rs # 麦克风捕获流 │ ├── system.rs # 系统音频捕获流 │ └── core_audio.rs # macOS ScreenCaptureKit 集成 ├── pipeline.rs # 混音与 VAD 处理 ├── recording_manager.rs # 高层录音协调 ├── recording_commands.rs # Tauri 命令接口 └── recording_saver.rs # 音频文件写入Tauri 通信机制前端与 Rust 后端通过两种模式通信命令模式前端 → Rust// 前端调用awaitinvoke(start_recording,{mic_device_name:Built-in Microphone,system_device_name:BlackHole 2ch,meeting_name:Team Standup});事件模式Rust → 前端// Rust 发射事件app.emit(transcript-update,TranscriptUpdate{text:Hello world.to_string(),timestamp:chrono::Utc::now(),})?;// 前端监听awaitlistenTranscriptUpdate(transcript-update,(event){setTranscripts(prev[...prev,event.payload]);});GPU 加速策略GPU 加速在构建时通过 Cargo feature flags 配置无需运行时设置平台GPU加速方式Feature FlagmacOSApple SiliconMetal CoreML--features metalWindows/LinuxNVIDIACUDA--features cudaWindows/LinuxAMDROCm/HIPBlas--features hipblas全平台AMD/IntelVulkan--features vulkan全平台CPUOpenBLAS--features openblasLinux 构建脚本build-gpu.sh实现了自动 GPU 检测优先级为NVIDIA CUDA → AMD ROCm → Vulkan → OpenBLAS → CPU-only。关键点是仅有 GPU 驱动不够还需要安装对应的开发 SDKCUDA Toolkit、ROCm 或 Vulkan SDK。转写引擎Meetily 支持两种转写引擎Whisper.cppOpenAI Whisper 模型的 C 实现通过whisper-rsRust 绑定集成。项目从 Whisper.cpp 借鉴了部分代码。模型支持从tiny到large-v3的全系列建议开发环境用base/small快速迭代生产环境用medium/large-v3获取最佳质量。NVIDIA ParakeetNVIDIA 开发的语音识别模型项目使用的是 istupakov 提供的 ONNX 格式转换版本。Parakeet 号称比 Whisper 快 4 倍在 v0.1.1 版本中引入后带来了 3 倍的转写速度提升。v0.4.0 中修复了 Parakeet TDT duration head 的 greedy decoder 问题。模型存储位置开发环境frontend/models/macOS 生产环境~/Library/Application Support/Meetily/models/Windows 生产环境%APPDATA%\Meetily\models\LLM 摘要集成Meetily 的摘要生成支持灵活的 AI 提供商选择Ollama推荐完全本地运行零数据外泄Claude通过 Anthropic APIGroq高速推理平台OpenRouter多模型聚合平台自定义 OpenAI 兼容端点支持 Azure OpenAI、自建推理服务等v0.2.0 引入了内置离线 AI 能力——即使用户没有安装 Ollama 或配置云服务也能通过 llama-helper sidecar 生成摘要。v0.4.0 新增了 Qwen 3.5 内置模型支持和多语言摘要功能。摘要生成支持 7 种会议模板站会、项目同步、销售电话等并在 BlockNote 富文本编辑器中渲染。版本演进版本日期关键变化v0.0.1.1早期初始预发布v0.0.52025.08Docker 支持、安装流程改进v0.1.12025.10架构重写统一为 Tauri 单体应用3x 转写加速Parakeet 引擎v0.2.02025.12Custom OpenAI 集成、OTA 更新、转写恢复、离线 AIv0.2.12026.02Whisper 模型修复、FFmpeg 构建时打包v0.3.02026.03音频导入功能、重新转写、Beta 功能门控v0.4.02026.06多语言摘要、Qwen 3.5 模型、系统托盘、分析默认 opt-in从 v0.0.5 的前后端分离架构到 v0.1.1 的统一 Tauri 应用是项目最重要的架构决策。这次重构消除了独立服务器、FastAPI 层和 Docker 依赖大幅降低了安装门槛和使用复杂度。商业模式Meetily 采用开源核心 商业版本的策略社区版CEMIT 许可证永久免费开源。包含本地转写、AI 摘要、核心功能。PRO 版独立代码库增强转写精度、自定义摘要模板、PDF/DOCX/Markdown 导出、自动会议检测与加入、说话人识别、会议问答、日历集成、自托管团队部署、GDPR 合规审计、优先支持。企业版面向 100 用户组织提供托管合规方案。亮点与不足技术亮点Rust Tauri 选型精准相比 Electron 方案内存占用更低、启动更快、安全模型更强音频管线设计成熟双路径分离录音/转写、VAD 过滤、专业混音工程化程度高GPU 加速全平台覆盖自动检测 手动覆盖覆盖 Metal/CUDA/Vulkan/ROCm/OpenBLAS 全谱系模块化音频系统从 1028 行单体文件重构为按职责拆分的模块树可维护性好渐进式 AI 集成从完全本地Ollama到云端 API 的平滑过渡用户自主选择隐私/性能权衡值得关注的设计决策保留backend/目录中的遗留 Python 代码而非删除为迁移用户提供上下文参考性能日志通过perf_debug!/perf_trace!宏在 release 构建中零开销消除llama-helper使用 sidecar 模式而非 Tauri 内嵌实现关注点分离和独立编译当前局限Linux 仍需从源码构建无预编译安装包macOS 系统音频捕获需要安装 BlackHole 虚拟音频设备Whisper 模型切换需要重启应用或手动卸载/重载Windows WASAPI 独占模式可能与其他应用冲突社区版的说话人分离能力有限PRO 版增强中项目仍处于 Pre-Release 阶段部分功能标记为 Beta开发者体验项目提供了完善的构建工具链# macOS 一键开发./clean_run.sh# 清构建并运行./clean_run.sh debug# 调试日志./clean_build.sh# 生产构建# Windows 一键开发clean_run_windows.bat clean_build_windows.bat# GPU 特定构建pnpmrun tauri:dev:metal# macOS Metalpnpmrun tauri:dev:cuda# NVIDIA CUDApnpmrun tauri:dev:vulkan# AMD/Intel Vulkan# 仅前端开发pnpmrun dev# Next.js dev server (port 3118)贡献流程采用devtest分支开发、main分支发布的策略PR 需要至少一位维护者审查。提交信息遵循type(scope): subject约定式格式。致谢与依赖项目坦诚承认了代码来源Whisper.cpp转写引擎的核心依赖Screenpipe部分代码借鉴transcribe-rsRust 转写库NVIDIA Parakeet语音识别模型istupakovParakeet 的 ONNX 格式转换总结Meetily 在隐私优先的本地 AI 会议助手这一赛道上做出了扎实的技术工程。它的核心价值不在于发明了新技术而在于将 Whisper、Parakeet、llama.cpp、Tauri 等成熟组件有机整合为一个端到端的本地化会议智能方案——从音频捕获、实时转写、VAD 过滤、专业混音到 LLM 摘要生成全链路在用户设备上完成。对于需要数据主权的企业国防、金融、医疗、法律以及偏好自托管的技术用户Meetily 提供了一个可行的开源替代方案。22.2k Stars 的社区热度也验证了市场对本地 AI 会议工具的强烈需求。项目仍处于快速发展期v0.4.0Pre-Release但架构设计已趋于成熟。v0.1.1 的统一 Tauri 重构是一个关键转折点将分散的三层架构收敛为单体应用大幅降低了使用门槛。后续版本在功能丰富度多语言摘要、音频导入、自定义端点和工程质量模块化音频系统、GPU 加速、OTA 更新上持续提升值得关注。项目地址https://github.com/Zackriya-Solutions/meetily官网https://meetily.ai许可证MIT