Streszczenie AI
Meetily to open-source’owy, local‑first asystent spotkań, który rejestruje dźwięk, transkrybuje mowę i generuje podsumowania całkowicie na maszynie użytkownika – dzięki temu nic z konwersacji nie opuszcza twojego sprzętu ani nie jest wysyłane do chmury. Aplikacja, napisana w Rust i uruchamiana pod Tauri, wykorzystuje lokalne modele ASR (Whisper.cpp lub NVIDIA Parakeet) oraz LLM (np. Llama 3, Mistral) z Ollama, zapewniając zarówno prywatność w kontekstach compliance, jak i wysoką wydajność dzięki akceleratorom GPU/NPU. Ponad to, Meetily integruje bazę SQLite i ChromaDB, umożliwiając semantyczne wyszukiwanie zapisków oraz pełne kontrolowanie danych bez potrzeby skorzystania z zewnętrznego API.
Spis treści:
- Architektura systemu i mechanizm przechwytywania dźwięku bez udziału botów
- Lokalne silniki ASR i akceleracja sprzętowa
- Generowanie podsumowań, orkiestracja LLM i indeksowanie wektorowe
- Porównanie rozwiązań: Meetily a tradycyjne platformy chmurowe
- Praktyczne zastosowania w środowiskach wrażliwych i inżynierskich
- Kompilacja i uruchomienie w środowisku deweloperskim
- Źródła
Większość komercyjnych narzędzi do transkrypcji i automatycznego sporządzania notatek ze spotkań opiera się na chmurowych botach dołączających do wideokonferencji, co rodzi poważne ryzyka związane z bezpieczeństwem danych oraz zgodnością z regulacjami takimi jak RODO. Meetily, rozwijany przez zespół Zackriya Solutions na licencji open source, proponuje odmienne podejście architektoniczne, w którym cały proces rejestracji dźwięku, transkrypcji mowy oraz generowania podsumowań odbywa się w 100% lokalnie na stacji roboczej użytkownika. Dzięki wykorzystaniu frameworka Tauri, silnika w języku Rust oraz lokalnych modeli uczenia maszynowego aplikacja eliminuje potrzebę wysyłania strumienia audio i poufnych ustaleń biznesowych na zewnętrzne serwery.
Architektura systemu i mechanizm przechwytywania dźwięku bez udziału botów
Kluczowym wyróżnikiem technicznym Meetily jest całkowita rezygnacja z modelu wirtualnego uczestnika spotkania. Tradycyjne platformy, takie jak Otter.ai czy Fireflies, wymagają integracji z kalendarzem lub wysłania dedykowanego bota przez protokoły SIP/WebRTC do pokoju rozmów w Zoomie, Google Meet czy Microsoft Teams. Taki zabieg nie tylko dekonspiruje proces nagrywania, ale często napotyka blokady polityk bezpieczeństwa wewnątrzkorporacyjnych sieci lub budzi obiekcje rozmówców.
Meetily podchodzi do zagadnienia w sposób zbliżony do oprogramowania do streamingu i rejestracji pulpitu. Aplikacja przechwytuje dwa niezależne strumienie audio bezpośrednio z poziomu warstwy systemu operacyjnego: sygnał wejściowy z mikrofonu użytkownika oraz sygnał wyjściowy karty dźwiękowej (loopback/system audio). Niskopoziomowy moduł audio napisany w języku Rust odpowiada za ich jednoczesną akwizycję, zapobieganie przesterom (clipping prevention) oraz inteligentne wyciszanie (ducking), co gwarantuje zbalansowane pasmo bez echa i artefaktów fazowych.
Warstwa wizualna i zarządcza aplikacji została oparta na ekosystemie Tauri oraz Next.js. W przeciwieństwie do zasobożernych powłok bazujących na Electronie, Tauri wykorzystuje natywny silnik renderujący systemu operacyjnego (WebKit na macOS, WebView2 na Windowsie), co drastycznie ogranicza zużycie pamięci RAM i narzut na procesor. Komunikacja pomiędzy interfejsem graficznym a backendem w Rust odbywa się za pośrednictwem asynchronicznych wywołań IPC (Inter-Process Communication), dzięki czemu operacje wejścia/wyjścia na dużych plikach dźwiękowych nie blokują wątku renderującego.
Architektura local-first w transkrypcji spotkań przenosi punkt ciężkości z kosztownych subskrypcji chmurowych na efektywne wykorzystanie lokalnych jednostek NPU i GPU, gwarantując jednocześnie pełną suwerenność przetwarzanych danych.
Lokalne silniki ASR i akceleracja sprzętowa
W procesie zamiany mowy na tekst (Automatic Speech Recognition – ASR) Meetily oferuje elastyczność wyboru pomiędzy dwoma silnikami uczenia maszynowego: implementacją Whisper.cpp oraz modelami z rodziny NVIDIA Parakeet.
- Whisper.cpp: Zoptymalizowany port architektury OpenAI Whisper napisany w czystym C/C++, cechujący się minimalnym narzutem pamięciowym i szerokim wsparciem dla wielojęzycznych zbiorów danych. Pozwala na wybór wielkości modelu (od tiny i base po small i medium), co umożliwia zbalansowanie precyzji transkrypcji z dostępnymi zasobami obliczeniowymi.
- NVIDIA Parakeet: Model bazujący na architekturze FastConformer, zoptymalizowany pod kątem szybkości inferencji i transkrypcji w czasie rzeczywistym. W Meetily wykorzystano konwersję do formatu ONNX, co w połączeniu ze środowiskiem uruchomieniowym ONNX Runtime pozwala osiągnąć nawet czterokrotnie wyższe tempo przetwarzania w porównaniu ze standardowymi modelami sekwencja-do-sekwencji.
Wydajność lokalnego ASR zależy w głównej mierze od wykorzystania dostępnych akceleratorów sprzętowych. Meetily dopasowuje backend obliczeniowy do platformy systemowej:
- Na platformie macOS aplikacja natywnie kompiluje i uruchamia modele z wykorzystaniem frameworków Metal Performance Shaders (MPS) oraz Apple CoreML, co pozwala na pełne obciążenie zunifikowanej pamięci oraz rdzeni Neural Engine w układach Apple Silicon.
- W instalatorach dla systemu Windows domyślnie zintegrowano akcelerację poprzez interfejs Vulkan API, co zapewnia wsparcie dla szerokiej gamy procesorów graficznych różnych producentów przy wymogu obecności instrukcji AVX2 na procesorze.
- Dla środowisk linuksowych oraz stacji roboczych wyposażonych w karty NVIDIA możliwe jest zbudowanie aplikacji ze źródeł z pełną obsługą CUDA, co maksymalizuje przepustowość transkrypcji wielowątkowej.
Generowanie podsumowań, orkiestracja LLM i indeksowanie wektorowe
Sama transkrypcja spotkania stanowi jedynie surowy materiał. Aby przekształcić go w użyteczne notatki, rejestr decyzji i listę zadań (action items), Meetily wykorzystuje warstwę orkiestracji dużych modeli językowych. Projekt realizuje strategię pełnej swobody wyboru dostawcy inteligencji obliczeniowej.
Domyślną i rekomendowaną konfiguracją pod kątem prywatności jest integracja z lokalnym serwerem Ollama. Aplikacja przesyła wyczyszczony tekst transkrypcji bezpośrednio do lokalnie uruchomionego modelu, takiego jak Llama 3, Mistral czy Qwen. Dzięki temu żaden fragment wypowiedzi nie opuszcza fizycznego nośnika maszyny roboczej. Użytkownicy dysponujący słabszym sprzętem lub wymagający zaawansowanego wnioskowania mogą jednak skonfigurować połączenie z zewnętrznymi API (m.in. Anthropic Claude, Groq, OpenRouter) lub podpiąć dowolny prywatny endpoint zgodny ze standardem OpenAI API.
Meetily wyposażono również w warstwę przechowywania danych opartą na relacyjnej bazie SQLite do metadanych i transkryptów oraz lokalnej wektorowej bazie danych ChromaDB. Zastosowanie bazy wektorowej pozwala na semantyczne przeszukiwanie archiwalnych dyskusji – inżynier lub menedżer może odpytać bazę wiedzy o konkretne ustalenia techniczne sprzed kilku miesięcy bez konieczności pamiętania dokładnych słów kluczowych.
Porównanie rozwiązań: Meetily a tradycyjne platformy chmurowe
Poniższa tabela przedstawia zestawienie kluczowych parametrów technicznych i operacyjnych Meetily Community Edition na tle typowych komercyjnych rozwiązań chmurowych do notowania spotkań:
Parametr techniczny | Meetily Community Edition | Tradycyjne boty chmurowe (np. Otter, Fireflies) |
|---|---|---|
| Miejsce przetwarzania dźwięku | 100% lokalnie na maszynie użytkownika | Chmura dostawcy (SaaS) |
| Model obecności na spotkaniu | Natywny nasłuch audio OS (brak bota) | Wirtualny bot dołączający przez link |
| Silnik transkrypcji (ASR) | Whisper.cpp / Parakeet ONNX | Zamknięte chmurowe modele ASR |
| Silnik podsumowań (LLM) | Ollama (lokalnie) lub własny klucz API | Zewnętrzne serwery LLM dostawcy |
| Wymóg połączenia z siecią | Działa w pełni w trybie offline | Wymagane stałe łącze internetowe |
| Akceleracja sprzętowa | Metal, CoreML, Vulkan, opcjonalnie CUDA | Niezależna od sprzętu końcowego |
| Model licencyjny i kod źródłowy | Open Source (licencja MIT) | Własnościowy kod zamknięty (Proprietary) |
| Zgodność z RODO / poufność | Gwarantowana architektonicznie (zero transferu) | Wymaga umów powierzenia przetwarzania (DPA) |
Praktyczne zastosowania w środowiskach wrażliwych i inżynierskich
Architektura local-first sprawia, że Meetily znajduje zastosowanie w scenariuszach, w których korzystanie z tradycyjnych asystentów spotkań jest formalnie zabronione przez działy compliance lub obarczone wysokim ryzykiem naruszenia tajemnicy zawodowej.
- Sektor prawny, medyczny i finansowy: Kancelarie prawne, placówki medyczne prowadzące telekonsultacje oraz analitycy finansowi operują na danych objętych rygorystycznymi klauzulami poufności i tajemnicy zawodowej. Lokalny proces transkrypcji pozwala na tworzenie precyzyjnej dokumentacji bez ryzyka ujawnienia danych osobowych czy naruszenia przepisów o ochronie prywatności.
- Zespoły inżynierskie i R&D pracujące nad własnością intelektualną: Dyskusje dotyczące architektury oprogramowania, patentów czy nieopublikowanych jeszcze rozwiązań produktowych stanowią najcenniejszy kapitał spółek technologicznych. Zastosowanie Meetily chroni kod i koncepcje przed włączeniem ich do zbiorów treningowych komercyjnych modeli AI.
- Praca w warunkach ograniczonego dostępu do sieci: Inżynierowie pracujący w podróży, na obiektach przemysłowych z restrykcjami sieciowymi (air-gapped networks) lub w miejscach o niestabilnym łączu mogą bez przeszkód nagrywać i indeksować spotkania w trybie offline.
- Optymalizacja kosztów operacyjnych w organizacjach: Zamiast opłacania miesięcznych licencji za każdego pracownika w modelu per-seat, organizacja może wdrożyć darmowe rozwiązanie open source wykorzystujące istniejącą moc obliczeniową firmowych laptopów wyposażonych w układy Apple Silicon lub karty RTX.
Kompilacja i uruchomienie w środowisku deweloperskim
Dla platform macOS i Windows producent udostępnia gotowe pliki instalacyjne (.dmg oraz instalator .exe). W przypadku środowiska Linux lub chęci samodzielnego dostosowania modułów backendowych konieczne jest zbudowanie projektu ze źródeł przy użyciu środowisk Node.js, pnpm oraz łańcucha narzędzi Rust (cargo).
Procedura przygotowania środowiska i kompilacji z włączonym wsparciem dla GPU sprowadza się do pobrania repozytorium, zainstalowania zależności interfejsu oraz uruchomienia dedykowanego skryptu budującego backend Tauri wraz z dowiązanymi bibliotekami C/C++:
- Sklonowanie repozytorium za pomocą polecenia:
git clone https://github.com/Zackriya-Solutions/meetily. - Przejście do katalogu interfejsu (
frontend) i zamrożona instalacja zależności:pnpm install --frozen-lockfile. - Uruchomienie skryptu kompilującego z flagami akceleracji sprzętowej:
./build-gpu.sh.
Meetily stanowi dowód na to, że rozwój miniaturyzacji modeli ASR i LLM umożliwia przeniesienie zaawansowanych procesów biznesowych ze środowisk chmurowych bezpośrednio na urządzenia brzegowe, zachowując wysoką kulturę inżynierską i bezkompromisowe podejście do prywatności danych.
Zackriya-Solutions/meetily
by Zackriya-SolutionsPrivacy 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
Zbuduj własne, prywatne AI
Ten wpis to część naszej bazy projektów open-source. Jeśli szukasz innych modeli, które możesz uruchomić całkowicie offline na własnym sprzęcie, zajrzyj do naszego stale rosnącego Katalogu Lokalnych Narzędzi AI.
