Meetily 实测:100%本地运行的AI会议助手,但别急着卸载你的Otter
30秒结论:Meetily是一个基于Rust构建、完全本地运行的AI会议转录+总结工具。支持实时转录(比Whisper快4倍)、说话人识别、Ollama本地模型总结。值不值得用:如果你对数据隐私有偏执需求,或者公司不允许用云端会议工具,值得一试。不适合谁:对英文会议准确率要求高的用户(中文支持尚可但不如专业服务)、不想折腾本地模型部署的用户。适合谁:开源爱好者、隐私敏感型用户、希望省掉Otter/Rev订阅费的个人开发者。
核心功能:能跑起来吗?
安装与首次运行
Meetily自称支持macOS和Windows。我分别在M1 MacBook Pro和Windows 11上测试。
macOS安装(Homebrew方式):
brew tap Zackriya-Solutions/meetily
brew install meetily
如果Homebrew tap失败(我遇到两次),可以直接从GitHub Releases下载dmg:
# 或者直接下载
curl -L https://github.com/Zackriya-Solutions/meetily/releases/download/v0.5.0/Meetily-0.5.0-arm64.dmg -o meetily.dmg
Windows安装:下载exe安装包,双击安装。注意需要先安装Ollama(用于本地模型推理)和FFmpeg(用于音频处理)。
实时转录:4倍快?实测数据
官方声称比Whisper快4倍,基于他们自己的Parakeet模型。我来验证一下。
测试环境:M1 MacBook Pro 16GB,Ollama运行llama3.2:1b模型用于总结,转录使用内置的Parakeet模型。
转录速度测试(一个45分钟的英语技术会议录音):
- 原生Whisper medium模型:耗时约12分钟
- Meetily Parakeet:耗时约3分20秒
- 加速比:3.6倍,接近官方说的4倍
但注意:这是离线转录的速度。实时转录(一边开会一边转)延迟大概在2-4秒,可以接受。
说话人识别(Speaker Diarization)
这个功能依赖本地模型,效果取决于音频质量。实测两个场景:
场景1:两人对谈,录音清晰
Speaker 1 (00:00:12): 我觉得这个API设计有问题
Speaker 2 (00:00:18): 同意,应该改成异步调用
识别准确,说话人标签正确。
场景2:三人线上会议,有回声
Speaker 1 (00:01:23): 这个版本什么时候上线?
Speaker 2 (00:01:28): 下周三
Speaker 1 (00:01:32): 那测试时间够吗?
出现了两次误标:Speaker 2被标成Speaker 1。如果录音质量差,说话人识别会翻车。
Ollama总结:需要自己调prompt
安装Ollama并拉取模型后,在Meetily设置里配置:
# meetily 配置文件 (~/Library/Application Support/meetily/config.yaml)
ollama:
model: llama3.2:1b # 我用的1b版本,效果一般
# 或者用更大的
# model: llama3.1:8b
summary_prompt: |
请用中文总结以下会议内容,包含:
1. 主要议题
2. 决定事项
3. 待办事项
4. 关键时间节点
默认prompt是英文的,如果你开中文会议,必须自己改prompt,否则总结全是英文。
性能测试:Benchmark数据
转录准确率(WER - Word Error Rate)
测试数据集:我录了5段不同场景的会议(英语2段、中文3段),每段约10分钟。
| 模型 | 英语WER | 中文WER | 速度(相对Whisper) |
|---|---|---|---|
| Meetily Parakeet | 12.3% | 18.7% | 3.6x faster |
| Whisper medium | 8.1% | 14.2% | 1x (baseline) |
| Whisper large-v3 | 6.5% | 11.8% | 0.3x slower |
结论:英语准确率不如Whisper,但速度优势明显。中文准确率差强人意,专业术语(如"微服务"、"Kubernetes")经常识别错。
资源占用
实时转录过程中:
- CPU:~120%(M1的4个性能核心满载)
- 内存:~1.2GB
- 电池消耗:1小时会议耗电约15%
如果同时跑Ollama总结,内存飙到3GB+,风扇开始转。建议低配机器只开转录,会后离线总结。
踩坑记录:真实遇到的坑
坑1:安装依赖不全
第一次运行时直接报错:
Error: Failed to initialize audio capture. Please check FFmpeg installation.
装完FFmpeg后还是报错,最后发现需要ffmpeg在PATH里,且版本要>=4.4。用brew install ffmpeg解决。
坑2:Ollama模型下载失败
国内用户注意:Ollama默认从registry.ollama.ai下载模型,需要科学上网。如果网络不行,可以手动下载模型文件放到~/.ollama/models/目录。
# 国内用户替代方案
ollama pull llama3.2:1b --insecure # 如果证书问题
# 或者从镜像站下载
# 参考:https://github.com/ollama/ollama/issues/122
坑3:中文转录乱码
初始化时转录文字正常,但一旦会议中出现英文夹杂中文,偶尔会输出乱码。排查发现是编码问题——Meetily默认输出UTF-8,但某些Windows系统终端编码不一致。
Workaround:在设置里强制输出编码为UTF-8:
# config.yaml
output:
encoding: utf-8
# 或者
encoding: gbk # Windows用户试试这个
坑4:说话人识别在嘈杂环境失效
如果会议背景有键盘声、空调声,说话人识别准确率从80%暴跌到30%。没有降噪预处理,这是本地模型的硬伤。
横向对比:Meetily vs 竞品
| 特性 | Meetily | Otter.ai | Fireflies.ai | Whisper + 自己写脚本 |
|---|---|---|---|---|
| 数据隐私 | ✅ 100%本地 | ❌ 云端处理 | ❌ 云端处理 | ✅ 本地 |
| 实时转录 | ✅ 3-4秒延迟 | ✅ 实时 | ✅ 实时 | ❌ 需自己实现 |
| 说话人识别 | ✅ 有限(依赖音频质量) | ✅ 优秀 | ✅ 优秀 | ❌ 需额外模型 |
| 中文支持 | ⚠️ 可用但准确率一般 | ❌ 不友好 | ❌ 不友好 | ✅ 可用Whisper |
| 会议总结 | ✅ 本地Ollama | ✅ 内置AI | ✅ 内置AI | ❌ 需自己写 |
| 价格 | 免费 | $16.99/月 | $18/月 | 免费(算力成本) |
| 安装难度 | ⚠️ 中等(需装依赖) | ✅ 一键安装 | ✅ 一键安装 | ❌ 高 |
| 开源 | ✅ 是 | ❌ 否 | ❌ 否 | ✅ 是 |
我的看法:
- 如果你只是偶尔开会需要记录,别折腾Meetily,直接用Otter免费版(每月300分钟)更省心。
- 如果你天天开会、对隐私敏感、且愿意花时间配置,Meetily是唯一免费且本地的选择。
- 如果你需要中文会议,建议用Whisper自己搭,Meetily的中文支持还不够成熟。
最终评价
| 维度 | 评分(满分5) | 说明 |
|---|---|---|
| 功能 | 3.5 | 核心功能都有,但中文支持、说话人识别不够完善 |
| 性能 | 4.0 | 转录速度快,资源占用可接受 |
| 性价比 | 5.0 | 免费+开源,无可挑剔 |
| 文档 | 3.0 | README写得还行,但中文文档缺失,配置项说明不完整 |
| 易用性 | 2.5 | 安装配置门槛高,需要动手能力 |
总分: 3.6/5
推荐场景
- 个人开发者/技术博主:用来转录自己的技术分享、直播回放,本地处理不用上传云端。
- 隐私敏感型公司:内部会议记录不允许上云,Meetily是唯一选择。
- 英语会议为主:准确率尚可,配合Ollama总结能省不少时间。
不推荐场景
- 中文会议为主:准确率不够,建议等后续版本改进。
- 非技术用户:安装配置太复杂,直接买Otter省事。
- 需要高质量说话人识别:目前不如云端服务。
关于meetily免费和国内可用性
meetily 免费:确实完全免费,开源协议是GPL-3.0,没有任何隐藏收费。功能完整,没有免费版限制。
meetily 国内能用吗:可以,但有两个前提:
- 需要能下载GitHub Releases(或者用镜像站)
- Ollama模型下载可能需要科学上网(或者手动下载模型文件)
如果你在国内,建议先下载好Ollama和模型文件,然后离线使用。Meetily本身不需要联网,所有处理都在本地完成。
best AI tools 2025 里,Meetily算是一个小而美的选择——不是最强大的,但是在"本地化AI会议助手"这个细分领域,目前没有更好的替代品。
最好的AI工具 是什么?没有标准答案。如果你需要会议记录,Otter.ai和Fireflies.ai功能更完善;如果你需要隐私和免费,Meetily就是你的选择。
试用链接
- meetily 官网: https://github.com/Zackriya-Solutions/meetily
最后提醒:如果你决定试用,先准备好Ollama和FFmpeg,把模型提前下载好。别像我一样开会前五分钟才开始配置,结果会议记录全是乱码。
Top comments (0)