Meetily 本地 AI 會議助手部署教程3 條路徑從克隆到跑通【免費下載鏈接】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項目地址: https://gitcode.com/GitHub_Trending/me/meetily開會時想聽實時字幕又不想讓語音進云端——Meetily 把錄音、轉錄、AI 紀要全部跑在本地數據不出機器。下面按你的目標給出 3 條部署路徑預編譯包、Docker 容器、原生編譯從對號入座到跑通約 10 分鐘到 2 小時。30 秒速覽按目標選路徑你想達成走哪條路徑預計耗時裝完就錄音轉寫不碰終端路徑 A預編譯包約 10 分鐘含模型下載團隊環(huán)境統一、一鍵復現路徑 BDocker 容器化30~60 分鐘含鏡像構建吃滿 GPU 性能、深度定制路徑 C原生編譯1~2 小時三條路徑的公共前提首次下載需聯網磁盤預留 10GB 以上內存至少 8GB。Meetily 架構速覽4 個本地組件組件技術棧端口作用桌面端Tauri Next.js Rust-錄音、混音、界面交互轉錄引擎Whisper.cpp / Parakeet-音頻轉文字API 服務FastAPI5167會議管理、LLM 摘要數據存儲SQLite 本地模型文件-轉錄、紀要、錄音落盤轉錄引擎與桌面端可獨立工作只有會議持久化和 AI 摘要依賴 5167 的 API 服務。也就是說路徑 A 的純桌面端已能完成錄音 轉寫要摘要、要跨設備查記錄再補后端。路徑 A預編譯包 10 分鐘跑通適合首次體驗不需要任何開發(fā)工具。Windows 與 macOS 有官方預編譯安裝器Linux 無預編譯包走路徑 B 或路徑 C。Windows桌面端與后端預編譯包從倉庫 Releases 頁面下載最新x64-setup.exe雙擊安裝。首次啟動自動下載默認轉錄模型設置頁選麥克風與系統音頻設備開始錄音。需要后端服務時下載后端 zip 包解壓后執(zhí)行# 解除 Windows 對下載文件的鎖定 Get-ChildItem -Path . -Recurse | Unblock-File # 啟動 8178 轉錄 5167 API 雙服務含交互式模型選擇 .\start_with_output.ps1macOS拖拽安裝下載meetily_0.2.1_aarch64.dmg把 Meetily 拖進 Applications 后打開。授權麥克風與屏幕錄制兩項權限系統音頻采集依賴后者。Linux無預編譯兩條岔路只部署后端服務走路徑 B要完整桌面端走路徑 C。跑通驗證# Windows確認兩個端口在監(jiān)聽 Test-NetConnection localhost -Port 8178 Test-NetConnection localhost -Port 5167# macOS/Linux確認 API 可訪問 curl http://localhost:5167/get-meetings文字按時間戳逐句出現頂部顯示錄音時長。長時間停在 Listening... 沒有輸出查排錯速查。路徑 BDocker 一鍵部署步驟適合部署后端服務、團隊環(huán)境對齊、頻繁切換版本。前置Docker DesktopWindows/macOS或 Docker EngineLinux給 Docker 分配 8GB 以上內存。克隆倉庫git clone https://gitcode.com/GitHub_Trending/me/meetily cd meetily/backendWindows 構建與啟動.\build-docker.ps1 cpu # 構建 CPU 版鏡像 .\run-docker.ps1 start -Interactive # 交互式模型/語言/端口/數據庫遷移macOS / Linux 構建與啟動./build-docker.sh cpu # 構建 CPU 版鏡像 ./run-docker.sh start --interactive # 交互式配置GPU 場景構建gpu鏡像啟動追加-GpuPowerShell或--gpubash完整參數見 backend/README.md。服務驗證與日常運維轉錄服務 http://localhost:8178健康檢查GET /轉寫POST /inference另支持 WebSocketAPI 文檔 http://localhost:5167/docs看日志./run-docker.sh logs --service whisper --follow查狀態(tài)./run-docker.sh status交互式向導會做端口沖突檢測并能從舊安裝遷移 SQLite 數據庫老數據不用手工搬。路徑 C原生編譯拿滿性能適合日常主力使用GPU 加速 5-10 倍速、可改源碼。前置Rust、Node.js 18、C 工具鏈。后端Whisper 與 FastAPIWindows# 管理員模式執(zhí)行自動裝 Python、CMake、VS Build Tools約 15~30 分鐘 .\install_dependancies_for_windows.ps1 # 第二個參數選模型tiny/base/small/medium/large-v3 build_whisper.cmd small start_with_output.ps1 # 交互式啟動含端口沖突檢測macOS / Linux# 先裝工具鏈Linux 換成 sudo apt install build-essential cmake git xcode-select --install brew install python3.9 cmake llvm libomp ffmpeg ./build_whisper.sh small # 編譯 whisper.cpp 并下載模型 ./clean_start_backend.sh # 啟動 8178 5167 雙服務前端Tauri 桌面端# Windows cd frontend pnpm install clean_run_windows.bat # 開發(fā)模式構建并運行# macOS cd frontend pnpm install ./clean_run.sh # 開發(fā)模式構建并運行Linux 用自動檢測腳本按 GPU 自動選 CUDA/Vulkan/純 CPU無需手配./dev-gpu.sh # 開發(fā)模式發(fā)布構建用 ./build-gpu.sh構建產物在src-tauri/target/release/bundle/appimage/下為 AppImage 格式。雙路音頻采集原生版同時采麥克風與系統音頻RMS ducking 自動壓低系統音避免蓋過人聲VAD 過濾后只有語音段送轉錄引擎Whisper 負載約降 70%。Whisper 模型選型決策表你的場景推薦模型內存/顯存速度預期功能驗證、低配機器tiny~39MB4GB 內存實時準確率一般8GB 內存日常會議base / base.en~142MB8GB 內存實時準確良好16GB 內存、準確率優(yōu)先small~244MB16GB 內存準實時專業(yè)用途、離線歸檔medium~769MB16GB 內存或 8GB 顯存明顯慢于實時服務器級、最高準確率large-v3~1550MB32GB 內存或 12GB 顯存最慢三條經驗純英語會議選.en變體同尺寸精度更高、速度更快。內存或磁盤吃緊換 q5_1/q8_0 量化版體積約減一半精度略降。GPU 加速倍率CUDA 5-10 倍、ROCm 4-8 倍、Vulkan 3-6 倍純 CPU 為 1 倍基線。切換模型./run-docker.sh start --model small --language zh --detach # Docker 模式 ./build_whisper.sh medium # 原生模式指定模型重編配置速查端口、環(huán)境變量與自啟動參數默認值說明WHISPER_PORT8178轉錄服務端口APP_PORT5167FastAPI 服務端口WHISPER_MODELbase.en模型名tiny 到 large-v3 及 .en/q5_1 變體WHISPER_LANGUAGEen會議語言auto為自動檢測WHISPER_THREADS0線程數0 為自動WHISPER_TRANSLATEfalse是否翻譯WHISPER_DIARIZEfalse是否說話人分離OLLAMA_HOSThttp://host.docker.internal:11434Docker 容器內訪問宿主機 Ollama最小示例在 backend 目錄創(chuàng)建或編輯temp.env寫入WHISPER_MODELsmall WHISPER_LANGUAGEzh WHISPER_PORT8178 APP_PORT5167按對應路徑重啟服務即生效。自啟動Linux systemdunit 文件指向clean_start_backend.sh服務段加Restarton-failure然后執(zhí)行sudo systemctl daemon-reload sudo systemctl enable --now meetily數據位置數據庫、模型、錄音全在本地應用數據目錄桌面端設置頁可直接打開文件夾。備份該目錄即備份全部會議數據。排錯速查現象、原因、一條命令現象常見原因一條命令解決8178/5167 端口被占用舊進程未退出macOS/Linuxlsof -i :8178找 PID 后結束Windowsnetstat -ano \| findstr :8178Docker 不識別 GPUWindows缺 WSL2 或 NVIDIA toolkit.\run-docker.ps1 gpu-test自檢日志出現 Dropped old audio chunkDocker 內存不足 8GBDocker Desktop 內存調到 8GB 后重啟容器模型下載失敗網絡抖動或磁盤小于模型體積./run-docker.sh models download base.enPowerShell 腳本被攔截執(zhí)行策略限制Set-ExecutionPolicy Bypass -Scope ProcessmacOS 編譯報錯缺 LLVM/libompbrew install cmake llvm libompLinux 無 GPU 加速只裝了驅動沒裝 SDK安裝 CUDA/ROCm/Vulkan SDK步驟見 docs/building_in_linux.md生產部署 Checklist? 8178/5167 只綁 127.0.0.1 或內網不進公網? 后端 CORS 從開發(fā)態(tài)全放開收緊為來源白名單? SQLite 數據庫與錄音目錄納入每日備份? Docker 容器加restart: unless-stoppedsystemd 加Restarton-failure? 監(jiān)控 Dropped old audio chunk 日志出現即擴內存? 磁盤預留模型體積 × 2另加 30 天錄音空間? Ollama 走內網云端 LLM 密鑰單獨存放并限權收尾三條路徑目標一致錄音、轉寫、摘要全部落在你自己的機器上。驗證卡住時帶 GPU 型號、系統版本和命令輸出到 Issues 提問。資源入口代碼倉庫gitcode.com/GitHub_Trending/me/meetily克隆命令見路徑 B問題反饋倉庫 Issues 頁社區(qū)官方 Discord 與 Reddit入口在 README.md 頂部【免費下載鏈接】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項目地址: https://gitcode.com/GitHub_Trending/me/meetily創(chuàng)作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考 Meetily 本地 AI 會議助手部署教程：3 條路徑從克隆到跑通
Meetily 本地 AI 會議助手部署教程3 條路徑從克隆到跑通【免費下載鏈接】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項目地址: https://gitcode.com/GitHub_Trending/me/meetily開會時想聽實時字幕又不想讓語音進云端——Meetily 把錄音、轉錄、AI 紀要全部跑在本地數據不出機器。下面按你的目標給出 3 條部署路徑預編譯包、Docker 容器、原生編譯從對號入座到跑通約 10 分鐘到 2 小時。30 秒速覽按目標選路徑你想達成走哪條路徑預計耗時裝完就錄音轉寫不碰終端路徑 A預編譯包約 10 分鐘含模型下載團隊環(huán)境統一、一鍵復現路徑 BDocker 容器化30~60 分鐘含鏡像構建吃滿 GPU 性能、深度定制路徑 C原生編譯1~2 小時三條路徑的公共前提首次下載需聯網磁盤預留 10GB 以上內存至少 8GB。Meetily 架構速覽4 個本地組件組件技術棧端口作用桌面端Tauri Next.js Rust-錄音、混音、界面交互轉錄引擎Whisper.cpp / Parakeet-音頻轉文字API 服務FastAPI5167會議管理、LLM 摘要數據存儲SQLite 本地模型文件-轉錄、紀要、錄音落盤轉錄引擎與桌面端可獨立工作只有會議持久化和 AI 摘要依賴 5167 的 API 服務。也就是說路徑 A 的純桌面端已能完成錄音 轉寫要摘要、要跨設備查記錄再補后端。路徑 A預編譯包 10 分鐘跑通適合首次體驗不需要任何開發(fā)工具。Windows 與 macOS 有官方預編譯安裝器Linux 無預編譯包走路徑 B 或路徑 C。Windows桌面端與后端預編譯包從倉庫 Releases 頁面下載最新x64-setup.exe雙擊安裝。首次啟動自動下載默認轉錄模型設置頁選麥克風與系統音頻設備開始錄音。需要后端服務時下載后端 zip 包解壓后執(zhí)行# 解除 Windows 對下載文件的鎖定 Get-ChildItem -Path . -Recurse | Unblock-File # 啟動 8178 轉錄 5167 API 雙服務含交互式模型選擇 .\start_with_output.ps1macOS拖拽安裝下載meetily_0.2.1_aarch64.dmg把 Meetily 拖進 Applications 后打開。授權麥克風與屏幕錄制兩項權限系統音頻采集依賴后者。Linux無預編譯兩條岔路只部署后端服務走路徑 B要完整桌面端走路徑 C。跑通驗證# Windows確認兩個端口在監(jiān)聽 Test-NetConnection localhost -Port 8178 Test-NetConnection localhost -Port 5167# macOS/Linux確認 API 可訪問 curl http://localhost:5167/get-meetings文字按時間戳逐句出現頂部顯示錄音時長。長時間停在 Listening... 沒有輸出查排錯速查。路徑 BDocker 一鍵部署步驟適合部署后端服務、團隊環(huán)境對齊、頻繁切換版本。前置Docker DesktopWindows/macOS或 Docker EngineLinux給 Docker 分配 8GB 以上內存。克隆倉庫git clone https://gitcode.com/GitHub_Trending/me/meetily cd meetily/backendWindows 構建與啟動.\build-docker.ps1 cpu # 構建 CPU 版鏡像 .\run-docker.ps1 start -Interactive # 交互式模型/語言/端口/數據庫遷移macOS / Linux 構建與啟動./build-docker.sh cpu # 構建 CPU 版鏡像 ./run-docker.sh start --interactive # 交互式配置GPU 場景構建gpu鏡像啟動追加-GpuPowerShell或--gpubash完整參數見 backend/README.md。服務驗證與日常運維轉錄服務 http://localhost:8178健康檢查GET /轉寫POST /inference另支持 WebSocketAPI 文檔 http://localhost:5167/docs看日志./run-docker.sh logs --service whisper --follow查狀態(tài)./run-docker.sh status交互式向導會做端口沖突檢測并能從舊安裝遷移 SQLite 數據庫老數據不用手工搬。路徑 C原生編譯拿滿性能適合日常主力使用GPU 加速 5-10 倍速、可改源碼。前置Rust、Node.js 18、C 工具鏈。后端Whisper 與 FastAPIWindows# 管理員模式執(zhí)行自動裝 Python、CMake、VS Build Tools約 15~30 分鐘 .\install_dependancies_for_windows.ps1 # 第二個參數選模型tiny/base/small/medium/large-v3 build_whisper.cmd small start_with_output.ps1 # 交互式啟動含端口沖突檢測macOS / Linux# 先裝工具鏈Linux 換成 sudo apt install build-essential cmake git xcode-select --install brew install python3.9 cmake llvm libomp ffmpeg ./build_whisper.sh small # 編譯 whisper.cpp 并下載模型 ./clean_start_backend.sh # 啟動 8178 5167 雙服務前端Tauri 桌面端# Windows cd frontend pnpm install clean_run_windows.bat # 開發(fā)模式構建并運行# macOS cd frontend pnpm install ./clean_run.sh # 開發(fā)模式構建并運行Linux 用自動檢測腳本按 GPU 自動選 CUDA/Vulkan/純 CPU無需手配./dev-gpu.sh # 開發(fā)模式發(fā)布構建用 ./build-gpu.sh構建產物在src-tauri/target/release/bundle/appimage/下為 AppImage 格式。雙路音頻采集原生版同時采麥克風與系統音頻RMS ducking 自動壓低系統音避免蓋過人聲VAD 過濾后只有語音段送轉錄引擎Whisper 負載約降 70%。Whisper 模型選型決策表你的場景推薦模型內存/顯存速度預期功能驗證、低配機器tiny~39MB4GB 內存實時準確率一般8GB 內存日常會議base / base.en~142MB8GB 內存實時準確良好16GB 內存、準確率優(yōu)先small~244MB16GB 內存準實時專業(yè)用途、離線歸檔medium~769MB16GB 內存或 8GB 顯存明顯慢于實時服務器級、最高準確率large-v3~1550MB32GB 內存或 12GB 顯存最慢三條經驗純英語會議選.en變體同尺寸精度更高、速度更快。內存或磁盤吃緊換 q5_1/q8_0 量化版體積約減一半精度略降。GPU 加速倍率CUDA 5-10 倍、ROCm 4-8 倍、Vulkan 3-6 倍純 CPU 為 1 倍基線。切換模型./run-docker.sh start --model small --language zh --detach # Docker 模式 ./build_whisper.sh medium # 原生模式指定模型重編配置速查端口、環(huán)境變量與自啟動參數默認值說明WHISPER_PORT8178轉錄服務端口APP_PORT5167FastAPI 服務端口WHISPER_MODELbase.en模型名tiny 到 large-v3 及 .en/q5_1 變體WHISPER_LANGUAGEen會議語言auto為自動檢測WHISPER_THREADS0線程數0 為自動WHISPER_TRANSLATEfalse是否翻譯WHISPER_DIARIZEfalse是否說話人分離OLLAMA_HOSThttp://host.docker.internal:11434Docker 容器內訪問宿主機 Ollama最小示例在 backend 目錄創(chuàng)建或編輯temp.env寫入WHISPER_MODELsmall WHISPER_LANGUAGEzh WHISPER_PORT8178 APP_PORT5167按對應路徑重啟服務即生效。自啟動Linux systemdunit 文件指向clean_start_backend.sh服務段加Restarton-failure然后執(zhí)行sudo systemctl daemon-reload sudo systemctl enable --now meetily數據位置數據庫、模型、錄音全在本地應用數據目錄桌面端設置頁可直接打開文件夾。備份該目錄即備份全部會議數據。排錯速查現象、原因、一條命令現象常見原因一條命令解決8178/5167 端口被占用舊進程未退出macOS/Linuxlsof -i :8178找 PID 后結束Windowsnetstat -ano \| findstr :8178Docker 不識別 GPUWindows缺 WSL2 或 NVIDIA toolkit.\run-docker.ps1 gpu-test自檢日志出現 Dropped old audio chunkDocker 內存不足 8GBDocker Desktop 內存調到 8GB 后重啟容器模型下載失敗網絡抖動或磁盤小于模型體積./run-docker.sh models download base.enPowerShell 腳本被攔截執(zhí)行策略限制Set-ExecutionPolicy Bypass -Scope ProcessmacOS 編譯報錯缺 LLVM/libompbrew install cmake llvm libompLinux 無 GPU 加速只裝了驅動沒裝 SDK安裝 CUDA/ROCm/Vulkan SDK步驟見 docs/building_in_linux.md生產部署 Checklist? 8178/5167 只綁 127.0.0.1 或內網不進公網? 后端 CORS 從開發(fā)態(tài)全放開收緊為來源白名單? SQLite 數據庫與錄音目錄納入每日備份? Docker 容器加restart: unless-stoppedsystemd 加Restarton-failure? 監(jiān)控 Dropped old audio chunk 日志出現即擴內存? 磁盤預留模型體積 × 2另加 30 天錄音空間? Ollama 走內網云端 LLM 密鑰單獨存放并限權收尾三條路徑目標一致錄音、轉寫、摘要全部落在你自己的機器上。驗證卡住時帶 GPU 型號、系統版本和命令輸出到 Issues 提問。資源入口代碼倉庫gitcode.com/GitHub_Trending/me/meetily克隆命令見路徑 B問題反饋倉庫 Issues 頁社區(qū)官方 Discord 與 Reddit入口在 README.md 頂部【免費下載鏈接】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項目地址: https://gitcode.com/GitHub_Trending/me/meetily創(chuàng)作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考