議助手部署教程：3 條路徑從克隆到跑通)
Meetily 本地 AI 會(huì)議助手部署教程3 條路徑從克隆到跑通【免費(fèi)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(xiàng)目地址: https://gitcode.com/GitHub_Trending/me/meetily開(kāi)會(huì)時(shí)想聽(tīng)實(shí)時(shí)字幕又不想讓語(yǔ)音進(jìn)云端——Meetily 把錄音、轉(zhuǎn)錄、AI 紀(jì)要全部跑在本地?cái)?shù)據(jù)不出機(jī)器。下面按你的目標(biāo)給出 3 條部署路徑預(yù)編譯包、Docker 容器、原生編譯從對(duì)號(hào)入座到跑通約 10 分鐘到 2 小時(shí)。30 秒速覽按目標(biāo)選路徑你想達(dá)成走哪條路徑預(yù)計(jì)耗時(shí)裝完就錄音轉(zhuǎn)寫(xiě)不碰終端路徑 A預(yù)編譯包約 10 分鐘含模型下載團(tuán)隊(duì)環(huán)境統(tǒng)一、一鍵復(fù)現(xiàn)路徑 BDocker 容器化30~60 分鐘含鏡像構(gòu)建吃滿(mǎn) GPU 性能、深度定制路徑 C原生編譯1~2 小時(shí)三條路徑的公共前提首次下載需聯(lián)網(wǎng)磁盤(pán)預(yù)留 10GB 以上內(nèi)存至少 8GB。Meetily 架構(gòu)速覽4 個(gè)本地組件組件技術(shù)棧端口作用桌面端Tauri Next.js Rust-錄音、混音、界面交互轉(zhuǎn)錄引擎Whisper.cpp / Parakeet-音頻轉(zhuǎn)文字API 服務(wù)FastAPI5167會(huì)議管理、LLM 摘要數(shù)據(jù)存儲(chǔ)SQLite 本地模型文件-轉(zhuǎn)錄、紀(jì)要、錄音落盤(pán)轉(zhuǎn)錄引擎與桌面端可獨(dú)立工作只有會(huì)議持久化和 AI 摘要依賴(lài) 5167 的 API 服務(wù)。也就是說(shuō)路徑 A 的純桌面端已能完成錄音 轉(zhuǎn)寫(xiě)要摘要、要跨設(shè)備查記錄再補(bǔ)后端。路徑 A預(yù)編譯包 10 分鐘跑通適合首次體驗(yàn)不需要任何開(kāi)發(fā)工具。Windows 與 macOS 有官方預(yù)編譯安裝器Linux 無(wú)預(yù)編譯包走路徑 B 或路徑 C。Windows桌面端與后端預(yù)編譯包從倉(cāng)庫(kù) Releases 頁(yè)面下載最新x64-setup.exe雙擊安裝。首次啟動(dòng)自動(dòng)下載默認(rèn)轉(zhuǎn)錄模型設(shè)置頁(yè)選麥克風(fēng)與系統(tǒng)音頻設(shè)備開(kāi)始錄音。需要后端服務(wù)時(shí)下載后端 zip 包解壓后執(zhí)行# 解除 Windows 對(duì)下載文件的鎖定 Get-ChildItem -Path . -Recurse | Unblock-File # 啟動(dòng) 8178 轉(zhuǎn)錄 5167 API 雙服務(wù)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(jìn) Applications 后打開(kāi)。授權(quán)麥克風(fēng)與屏幕錄制兩項(xiàng)權(quán)限系統(tǒng)音頻采集依賴(lài)后者。Linux無(wú)預(yù)編譯兩條岔路只部署后端服務(wù)走路徑 B要完整桌面端走路徑 C。跑通驗(yàn)證# Windows確認(rèn)兩個(gè)端口在監(jiān)聽(tīng) Test-NetConnection localhost -Port 8178 Test-NetConnection localhost -Port 5167# macOS/Linux確認(rèn) API 可訪問(wèn) curl http://localhost:5167/get-meetings文字按時(shí)間戳逐句出現(xiàn)頂部顯示錄音時(shí)長(zhǎng)。長(zhǎng)時(shí)間停在 Listening... 沒(méi)有輸出查排錯(cuò)速查。路徑 BDocker 一鍵部署步驟適合部署后端服務(wù)、團(tuán)隊(duì)環(huán)境對(duì)齊、頻繁切換版本。前置Docker DesktopWindows/macOS或 Docker EngineLinux給 Docker 分配 8GB 以上內(nèi)存。克隆倉(cāng)庫(kù)git clone https://gitcode.com/GitHub_Trending/me/meetily cd meetily/backendWindows 構(gòu)建與啟動(dòng).\build-docker.ps1 cpu # 構(gòu)建 CPU 版鏡像 .\run-docker.ps1 start -Interactive # 交互式模型/語(yǔ)言/端口/數(shù)據(jù)庫(kù)遷移macOS / Linux 構(gòu)建與啟動(dòng)./build-docker.sh cpu # 構(gòu)建 CPU 版鏡像 ./run-docker.sh start --interactive # 交互式配置GPU 場(chǎng)景構(gòu)建gpu鏡像啟動(dòng)追加-GpuPowerShell或--gpubash完整參數(shù)見(jiàn) backend/README.md。服務(wù)驗(yàn)證與日常運(yùn)維轉(zhuǎn)錄服務(wù) http://localhost:8178健康檢查GET /轉(zhuǎn)寫(xiě)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?qū)?huì)做端口沖突檢測(cè)并能從舊安裝遷移 SQLite 數(shù)據(jù)庫(kù)老數(shù)據(jù)不用手工搬。路徑 C原生編譯拿滿(mǎn)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(dòng)裝 Python、CMake、VS Build Tools約 15~30 分鐘 .\install_dependancies_for_windows.ps1 # 第二個(gè)參數(shù)選模型tiny/base/small/medium/large-v3 build_whisper.cmd small start_with_output.ps1 # 交互式啟動(dòng)含端口沖突檢測(cè)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(dòng) 8178 5167 雙服務(wù)前端Tauri 桌面端# Windows cd frontend pnpm install clean_run_windows.bat # 開(kāi)發(fā)模式構(gòu)建并運(yùn)行# macOS cd frontend pnpm install ./clean_run.sh # 開(kāi)發(fā)模式構(gòu)建并運(yùn)行Linux 用自動(dòng)檢測(cè)腳本按 GPU 自動(dòng)選 CUDA/Vulkan/純 CPU無(wú)需手配./dev-gpu.sh # 開(kāi)發(fā)模式發(fā)布構(gòu)建用 ./build-gpu.sh構(gòu)建產(chǎn)物在src-tauri/target/release/bundle/appimage/下為 AppImage 格式。雙路音頻采集原生版同時(shí)采麥克風(fēng)與系統(tǒng)音頻RMS ducking 自動(dòng)壓低系統(tǒng)音避免蓋過(guò)人聲VAD 過(guò)濾后只有語(yǔ)音段送轉(zhuǎn)錄引擎Whisper 負(fù)載約降 70%。Whisper 模型選型決策表你的場(chǎng)景推薦模型內(nèi)存/顯存速度預(yù)期功能驗(yàn)證、低配機(jī)器tiny~39MB4GB 內(nèi)存實(shí)時(shí)準(zhǔn)確率一般8GB 內(nèi)存日常會(huì)議base / base.en~142MB8GB 內(nèi)存實(shí)時(shí)準(zhǔn)確良好16GB 內(nèi)存、準(zhǔn)確率優(yōu)先small~244MB16GB 內(nèi)存準(zhǔn)實(shí)時(shí)專(zhuān)業(yè)用途、離線歸檔medium~769MB16GB 內(nèi)存或 8GB 顯存明顯慢于實(shí)時(shí)服務(wù)器級(jí)、最高準(zhǔn)確率large-v3~1550MB32GB 內(nèi)存或 12GB 顯存最慢三條經(jīng)驗(yàn)純英語(yǔ)會(huì)議選.en變體同尺寸精度更高、速度更快。內(nèi)存或磁盤(pán)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(dòng)參數(shù)默認(rèn)值說(shuō)明WHISPER_PORT8178轉(zhuǎn)錄服務(wù)端口APP_PORT5167FastAPI 服務(wù)端口WHISPER_MODELbase.en模型名tiny 到 large-v3 及 .en/q5_1 變體WHISPER_LANGUAGEen會(huì)議語(yǔ)言auto為自動(dòng)檢測(cè)WHISPER_THREADS0線程數(shù)0 為自動(dòng)WHISPER_TRANSLATEfalse是否翻譯WHISPER_DIARIZEfalse是否說(shuō)話人分離OLLAMA_HOSThttp://host.docker.internal:11434Docker 容器內(nèi)訪問(wèn)宿主機(jī) Ollama最小示例在 backend 目錄創(chuàng)建或編輯temp.env寫(xiě)入WHISPER_MODELsmall WHISPER_LANGUAGEzh WHISPER_PORT8178 APP_PORT5167按對(duì)應(yīng)路徑重啟服務(wù)即生效。自啟動(dòng)Linux systemdunit 文件指向clean_start_backend.sh服務(wù)段加Restarton-failure然后執(zhí)行sudo systemctl daemon-reload sudo systemctl enable --now meetily數(shù)據(jù)位置數(shù)據(jù)庫(kù)、模型、錄音全在本地應(yīng)用數(shù)據(jù)目錄桌面端設(shè)置頁(yè)可直接打開(kāi)文件夾。備份該目錄即備份全部會(huì)議數(shù)據(jù)。排錯(cuò)速查現(xiàn)象、原因、一條命令現(xiàn)象常見(jiàn)原因一條命令解決8178/5167 端口被占用舊進(jìn)程未退出macOS/Linuxlsof -i :8178找 PID 后結(jié)束Windowsnetstat -ano \| findstr :8178Docker 不識(shí)別 GPUWindows缺 WSL2 或 NVIDIA toolkit.\run-docker.ps1 gpu-test自檢日志出現(xiàn) Dropped old audio chunkDocker 內(nèi)存不足 8GBDocker Desktop 內(nèi)存調(diào)到 8GB 后重啟容器模型下載失敗網(wǎng)絡(luò)抖動(dòng)或磁盤(pán)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(bào)錯(cuò)缺 LLVM/libompbrew install cmake llvm libompLinux 無(wú) GPU 加速只裝了驅(qū)動(dòng)沒(méi)裝 SDK安裝 CUDA/ROCm/Vulkan SDK步驟見(jiàn) docs/building_in_linux.md生產(chǎn)部署 Checklist? 8178/5167 只綁 127.0.0.1 或內(nèi)網(wǎng)不進(jìn)公網(wǎng)? 后端 CORS 從開(kāi)發(fā)態(tài)全放開(kāi)收緊為來(lái)源白名單? SQLite 數(shù)據(jù)庫(kù)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(xiàn)即擴(kuò)內(nèi)存? 磁盤(pán)預(yù)留模型體積 × 2另加 30 天錄音空間? Ollama 走內(nèi)網(wǎng)云端 LLM 密鑰單獨(dú)存放并限權(quán)收尾三條路徑目標(biāo)一致錄音、轉(zhuǎn)寫(xiě)、摘要全部落在你自己的機(jī)器上。驗(yàn)證卡住時(shí)帶 GPU 型號(hào)、系統(tǒng)版本和命令輸出到 Issues 提問(wèn)。資源入口代碼倉(cāng)庫(kù)gitcode.com/GitHub_Trending/me/meetily克隆命令見(jiàn)路徑 B問(wèn)題反饋倉(cāng)庫(kù) Issues 頁(yè)社區(qū)官方 Discord 與 Reddit入口在 README.md 頂部【免費(fèi)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(xiàng)目地址: https://gitcode.com/GitHub_Trending/me/meetily創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 Meetily 本地 AI 會(huì)議助手部署教程：3 條路徑從克隆到跑通
Meetily 本地 AI 會(huì)議助手部署教程3 條路徑從克隆到跑通【免費(fèi)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(xiàng)目地址: https://gitcode.com/GitHub_Trending/me/meetily開(kāi)會(huì)時(shí)想聽(tīng)實(shí)時(shí)字幕又不想讓語(yǔ)音進(jìn)云端——Meetily 把錄音、轉(zhuǎn)錄、AI 紀(jì)要全部跑在本地?cái)?shù)據(jù)不出機(jī)器。下面按你的目標(biāo)給出 3 條部署路徑預(yù)編譯包、Docker 容器、原生編譯從對(duì)號(hào)入座到跑通約 10 分鐘到 2 小時(shí)。30 秒速覽按目標(biāo)選路徑你想達(dá)成走哪條路徑預(yù)計(jì)耗時(shí)裝完就錄音轉(zhuǎn)寫(xiě)不碰終端路徑 A預(yù)編譯包約 10 分鐘含模型下載團(tuán)隊(duì)環(huán)境統(tǒng)一、一鍵復(fù)現(xiàn)路徑 BDocker 容器化30~60 分鐘含鏡像構(gòu)建吃滿(mǎn) GPU 性能、深度定制路徑 C原生編譯1~2 小時(shí)三條路徑的公共前提首次下載需聯(lián)網(wǎng)磁盤(pán)預(yù)留 10GB 以上內(nèi)存至少 8GB。Meetily 架構(gòu)速覽4 個(gè)本地組件組件技術(shù)棧端口作用桌面端Tauri Next.js Rust-錄音、混音、界面交互轉(zhuǎn)錄引擎Whisper.cpp / Parakeet-音頻轉(zhuǎn)文字API 服務(wù)FastAPI5167會(huì)議管理、LLM 摘要數(shù)據(jù)存儲(chǔ)SQLite 本地模型文件-轉(zhuǎn)錄、紀(jì)要、錄音落盤(pán)轉(zhuǎn)錄引擎與桌面端可獨(dú)立工作只有會(huì)議持久化和 AI 摘要依賴(lài) 5167 的 API 服務(wù)。也就是說(shuō)路徑 A 的純桌面端已能完成錄音 轉(zhuǎn)寫(xiě)要摘要、要跨設(shè)備查記錄再補(bǔ)后端。路徑 A預(yù)編譯包 10 分鐘跑通適合首次體驗(yàn)不需要任何開(kāi)發(fā)工具。Windows 與 macOS 有官方預(yù)編譯安裝器Linux 無(wú)預(yù)編譯包走路徑 B 或路徑 C。Windows桌面端與后端預(yù)編譯包從倉(cāng)庫(kù) Releases 頁(yè)面下載最新x64-setup.exe雙擊安裝。首次啟動(dòng)自動(dòng)下載默認(rèn)轉(zhuǎn)錄模型設(shè)置頁(yè)選麥克風(fēng)與系統(tǒng)音頻設(shè)備開(kāi)始錄音。需要后端服務(wù)時(shí)下載后端 zip 包解壓后執(zhí)行# 解除 Windows 對(duì)下載文件的鎖定 Get-ChildItem -Path . -Recurse | Unblock-File # 啟動(dòng) 8178 轉(zhuǎn)錄 5167 API 雙服務(wù)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(jìn) Applications 后打開(kāi)。授權(quán)麥克風(fēng)與屏幕錄制兩項(xiàng)權(quán)限系統(tǒng)音頻采集依賴(lài)后者。Linux無(wú)預(yù)編譯兩條岔路只部署后端服務(wù)走路徑 B要完整桌面端走路徑 C。跑通驗(yàn)證# Windows確認(rèn)兩個(gè)端口在監(jiān)聽(tīng) Test-NetConnection localhost -Port 8178 Test-NetConnection localhost -Port 5167# macOS/Linux確認(rèn) API 可訪問(wèn) curl http://localhost:5167/get-meetings文字按時(shí)間戳逐句出現(xiàn)頂部顯示錄音時(shí)長(zhǎng)。長(zhǎng)時(shí)間停在 Listening... 沒(méi)有輸出查排錯(cuò)速查。路徑 BDocker 一鍵部署步驟適合部署后端服務(wù)、團(tuán)隊(duì)環(huán)境對(duì)齊、頻繁切換版本。前置Docker DesktopWindows/macOS或 Docker EngineLinux給 Docker 分配 8GB 以上內(nèi)存。克隆倉(cāng)庫(kù)git clone https://gitcode.com/GitHub_Trending/me/meetily cd meetily/backendWindows 構(gòu)建與啟動(dòng).\build-docker.ps1 cpu # 構(gòu)建 CPU 版鏡像 .\run-docker.ps1 start -Interactive # 交互式模型/語(yǔ)言/端口/數(shù)據(jù)庫(kù)遷移macOS / Linux 構(gòu)建與啟動(dòng)./build-docker.sh cpu # 構(gòu)建 CPU 版鏡像 ./run-docker.sh start --interactive # 交互式配置GPU 場(chǎng)景構(gòu)建gpu鏡像啟動(dòng)追加-GpuPowerShell或--gpubash完整參數(shù)見(jiàn) backend/README.md。服務(wù)驗(yàn)證與日常運(yùn)維轉(zhuǎn)錄服務(wù) http://localhost:8178健康檢查GET /轉(zhuǎn)寫(xiě)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?qū)?huì)做端口沖突檢測(cè)并能從舊安裝遷移 SQLite 數(shù)據(jù)庫(kù)老數(shù)據(jù)不用手工搬。路徑 C原生編譯拿滿(mǎn)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(dòng)裝 Python、CMake、VS Build Tools約 15~30 分鐘 .\install_dependancies_for_windows.ps1 # 第二個(gè)參數(shù)選模型tiny/base/small/medium/large-v3 build_whisper.cmd small start_with_output.ps1 # 交互式啟動(dòng)含端口沖突檢測(cè)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(dòng) 8178 5167 雙服務(wù)前端Tauri 桌面端# Windows cd frontend pnpm install clean_run_windows.bat # 開(kāi)發(fā)模式構(gòu)建并運(yùn)行# macOS cd frontend pnpm install ./clean_run.sh # 開(kāi)發(fā)模式構(gòu)建并運(yùn)行Linux 用自動(dòng)檢測(cè)腳本按 GPU 自動(dòng)選 CUDA/Vulkan/純 CPU無(wú)需手配./dev-gpu.sh # 開(kāi)發(fā)模式發(fā)布構(gòu)建用 ./build-gpu.sh構(gòu)建產(chǎn)物在src-tauri/target/release/bundle/appimage/下為 AppImage 格式。雙路音頻采集原生版同時(shí)采麥克風(fēng)與系統(tǒng)音頻RMS ducking 自動(dòng)壓低系統(tǒng)音避免蓋過(guò)人聲VAD 過(guò)濾后只有語(yǔ)音段送轉(zhuǎn)錄引擎Whisper 負(fù)載約降 70%。Whisper 模型選型決策表你的場(chǎng)景推薦模型內(nèi)存/顯存速度預(yù)期功能驗(yàn)證、低配機(jī)器tiny~39MB4GB 內(nèi)存實(shí)時(shí)準(zhǔn)確率一般8GB 內(nèi)存日常會(huì)議base / base.en~142MB8GB 內(nèi)存實(shí)時(shí)準(zhǔn)確良好16GB 內(nèi)存、準(zhǔn)確率優(yōu)先small~244MB16GB 內(nèi)存準(zhǔn)實(shí)時(shí)專(zhuān)業(yè)用途、離線歸檔medium~769MB16GB 內(nèi)存或 8GB 顯存明顯慢于實(shí)時(shí)服務(wù)器級(jí)、最高準(zhǔn)確率large-v3~1550MB32GB 內(nèi)存或 12GB 顯存最慢三條經(jīng)驗(yàn)純英語(yǔ)會(huì)議選.en變體同尺寸精度更高、速度更快。內(nèi)存或磁盤(pán)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(dòng)參數(shù)默認(rèn)值說(shuō)明WHISPER_PORT8178轉(zhuǎn)錄服務(wù)端口APP_PORT5167FastAPI 服務(wù)端口WHISPER_MODELbase.en模型名tiny 到 large-v3 及 .en/q5_1 變體WHISPER_LANGUAGEen會(huì)議語(yǔ)言auto為自動(dòng)檢測(cè)WHISPER_THREADS0線程數(shù)0 為自動(dòng)WHISPER_TRANSLATEfalse是否翻譯WHISPER_DIARIZEfalse是否說(shuō)話人分離OLLAMA_HOSThttp://host.docker.internal:11434Docker 容器內(nèi)訪問(wèn)宿主機(jī) Ollama最小示例在 backend 目錄創(chuàng)建或編輯temp.env寫(xiě)入WHISPER_MODELsmall WHISPER_LANGUAGEzh WHISPER_PORT8178 APP_PORT5167按對(duì)應(yīng)路徑重啟服務(wù)即生效。自啟動(dòng)Linux systemdunit 文件指向clean_start_backend.sh服務(wù)段加Restarton-failure然后執(zhí)行sudo systemctl daemon-reload sudo systemctl enable --now meetily數(shù)據(jù)位置數(shù)據(jù)庫(kù)、模型、錄音全在本地應(yīng)用數(shù)據(jù)目錄桌面端設(shè)置頁(yè)可直接打開(kāi)文件夾。備份該目錄即備份全部會(huì)議數(shù)據(jù)。排錯(cuò)速查現(xiàn)象、原因、一條命令現(xiàn)象常見(jiàn)原因一條命令解決8178/5167 端口被占用舊進(jìn)程未退出macOS/Linuxlsof -i :8178找 PID 后結(jié)束Windowsnetstat -ano \| findstr :8178Docker 不識(shí)別 GPUWindows缺 WSL2 或 NVIDIA toolkit.\run-docker.ps1 gpu-test自檢日志出現(xiàn) Dropped old audio chunkDocker 內(nèi)存不足 8GBDocker Desktop 內(nèi)存調(diào)到 8GB 后重啟容器模型下載失敗網(wǎng)絡(luò)抖動(dòng)或磁盤(pán)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(bào)錯(cuò)缺 LLVM/libompbrew install cmake llvm libompLinux 無(wú) GPU 加速只裝了驅(qū)動(dòng)沒(méi)裝 SDK安裝 CUDA/ROCm/Vulkan SDK步驟見(jiàn) docs/building_in_linux.md生產(chǎn)部署 Checklist? 8178/5167 只綁 127.0.0.1 或內(nèi)網(wǎng)不進(jìn)公網(wǎng)? 后端 CORS 從開(kāi)發(fā)態(tài)全放開(kāi)收緊為來(lái)源白名單? SQLite 數(shù)據(jù)庫(kù)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(xiàn)即擴(kuò)內(nèi)存? 磁盤(pán)預(yù)留模型體積 × 2另加 30 天錄音空間? Ollama 走內(nèi)網(wǎng)云端 LLM 密鑰單獨(dú)存放并限權(quán)收尾三條路徑目標(biāo)一致錄音、轉(zhuǎn)寫(xiě)、摘要全部落在你自己的機(jī)器上。驗(yàn)證卡住時(shí)帶 GPU 型號(hào)、系統(tǒng)版本和命令輸出到 Issues 提問(wèn)。資源入口代碼倉(cāng)庫(kù)gitcode.com/GitHub_Trending/me/meetily克隆命令見(jiàn)路徑 B問(wèn)題反饋倉(cāng)庫(kù) Issues 頁(yè)社區(qū)官方 Discord 與 Reddit入口在 README.md 頂部【免費(fèi)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(xiàng)目地址: https://gitcode.com/GitHub_Trending/me/meetily創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考