一个开源的本地AI会议记录助手meetily

项目简介

一款能够捕捉实时会议音频、实时转录并生成摘要的人工智能会议助手，同时确保用户隐私。非常适合希望专注于讨论同时自动捕捉和组织会议内容，无需外部服务器或复杂基础设施的团队。

View full Demo Video
查看完整演示视频

为什么？

尽管有许多会议转录工具可用，此方案通过提供以下特点脱颖而出：

• 隐私优先：所有处理都在您的设备上本地进行

• 成本低廉：使用开源 AI 模型而非昂贵的 API

• 灵活：离线工作，支持多个会议平台

• 可定制：自托管并修改以满足您的特定需求

• 智能：内置知识图谱，实现跨会议的语义搜索

功能

✅ 现代响应式用户界面，实时更新

✅ 实时音频捕获（麦克风+系统音频）

✅ 使用 Whisper.cpp 进行实时转录 ✅ 说话人分离

✅ 本地处理以保护隐私

✅ 将应用打包为 Mac Os

🚧 导出为 Markdown/PDF

注意：我们有一个基于 Rust 的实现，该实现探索了更好的性能和本地集成。它目前实现了：

• ✅ 从麦克风和系统音频实时捕获音频

• ✅ 使用本地运行的 Whisper 进行实时转录

• ✅ 说话人分割

• ✅ 富文本编辑器用于笔记

我们目前正在从事：

• ✅ 导出为 Markdown/PDF

• ✅ 导出为 HTML

LLM 集成

后端通过统一界面支持多个LLM提供商。当前实现包括：

支持提供商

• Anthropic（Claude 模型）

• Groq（Llama3.2 90 B，Deepseek）

• Ollama （本地模型）

配置

创建包含您的 API 密钥的 .env 文件：

# Required for AnthropicANTHROPIC_API_KEY=your_key_here  
# Required for Groq GROQ_API_KEY=your_key_here

系统架构

核心组件

1. 音频捕获服务

• 实时麦克风/系统音频捕获

• 音频预处理管道

• 使用 Rust (实验性) 和 Python 构建

• Whisper.cpp 用于本地转录

• 支持多种模型大小（微型->大型）

• GPU 加速处理

• 统一的多服务商接口

• 自动回退处理

• 分块处理，重叠

• 模型配置：

• ChromaDB：转录嵌入的向量存储

• SQLite：进程跟踪和元数据存储

• POST /upload

• POST /process

• GET /summary/{id}

• DELETE /summary/{id}

• FastAPI 端点

部署架构

• 前端：Tauri 应用 + Next.js（打包可执行文件）

• 后端：Python FastAPI：

• 转录工作者

• LLM 推理

先决条件

• Node.js 18+

• Python 3.10+

• FFmpeg

• Rust 1.65+（用于实验性功能）

设置说明

1. 前端设置

运行打包版本

前往发布页面下载最新版本。