Repo del giorno: Meetily, il verbale della riunione che non esce dal tuo computer

🔍 Cos'è Meetily: il verbale senza cloud

Meetily è un'app desktop che registra le tue riunioni, le trascrive in tempo reale e ne genera un riassunto strutturato — decisioni prese, punti chiave, action item — senza che una sola traccia audio lasci il computer. È pubblicata da Zackriya Solutions con licenza MIT, gira su macOS e Windows (su Linux si compila dai sorgenti) ed è oggi uno dei progetti open source più seguiti nella sua nicchia: nel momento in cui scrivo conta circa 26.500 stelle e 2.700 fork.

La differenza rispetto a Otter.ai, Granola o Fireflies non sta nell'interfaccia, ma in dove avviene l'elaborazione. I servizi cloud caricano l'audio della riunione sui loro server; Meetily fa il contrario: modelli di trascrizione, registrazioni e trascritti restano archiviati in locale. Per questo il progetto si descrive «GDPR e HIPAA compliant by design» — non perché aggiunga clausole, ma perché il dato semplicemente non esce dal perimetro che controlli.

repo       Zackriya-Solutions/meetily
stack      Rust + Tauri (desktop) · Next.js (UI) · licenza MIT
autore     Zackriya Solutions
cosa       assistente AI per riunioni: trascrizione e riassunto in locale
richiede   macOS o Windows (Linux: build dai sorgenti); Ollama per i riassunti
stelle     ~26.500 · ~2.700 fork (fotografia al 25 luglio 2026)

🔒 Perché conta: la sovranità del dato come default

Le riunioni sono tra i contenitori di dati più sensibili di un'azienda: trattative, dati di clienti, decisioni riservate, a volte informazioni sanitarie o finanziarie. Affidare quell'audio a un servizio cloud significa spostare il rischio di conformità fuori dalle tue mani, verso pratiche di conservazione e accesso che non controlli. Per uno studio legale, un ambulatorio, una società di servizi finanziari o una pubblica amministrazione, spesso non è una scelta di gusto ma un vincolo: l'audio non può uscire. Tenendo tutto in locale, Meetily trasforma la sovranità del dato nel comportamento predefinito, non in un'opzione da configurare.

C'è anche un dettaglio tecnico che apprezzo: Meetily registra a livello di audio di sistema, non entrando in chiamata come partecipante. Niente bot con la scritta «Recording bot has joined», nessuna estensione del browser, nessun permesso da chiedere all'organizzatore. Per lo stesso motivo funziona con qualunque piattaforma — Zoom, Microsoft Teams, Google Meet, Webex, perfino gli huddle di Slack — perché cattura semplicemente ciò che passa dalle casse e dal microfono.

⚙️ Come funziona: Rust, whisper.cpp e Ollama

Sotto il cofano Meetily è un'unica applicazione costruita con Tauri: un backend in Rust che gestisce la logica e un frontend Next.js per l'interfaccia. La trascrizione gira in locale tramite whisper.cpp (i modelli Whisper, da `tiny` a `large-v3`) oppure il modello Parakeet di NVIDIA in versione ONNX; l'accelerazione hardware è automatica in fase di build — Metal e CoreML su Apple Silicon, CUDA o Vulkan su Windows e Linux. Un mixer audio integrato cattura microfono e audio di sistema insieme, con ducking e prevenzione del clipping, così anche le call ibride restano leggibili.

Il riassunto è il punto in cui decidi tu il compromesso tra privacy e potenza del modello. La via consigliata è Ollama, che esegue un LLM in locale e tiene l'intera pipeline offline: l'audio diventa testo e il testo diventa sintesi senza mai toccare la rete. In alternativa puoi collegare una tua chiave (Claude, OpenAI, Groq, OpenRouter) o un endpoint OpenAI-compatibile interno — utile a chi ha già un'infrastruttura AI privata. È la stessa filosofia «modelli in locale con Ollama» che ho raccontato per il RAG in .NET: qui applicata alla voce invece che ai documenti.

🚀 Come si installa e si prova

Su macOS e Windows non serve compilare nulla: si scarica l'installer dalle Release del progetto, si avvia l'app — senza creare un account — e si comincia a registrare la prima riunione. Per avere anche i riassunti completamente in locale conviene installare Ollama e scaricare un modello: da quel momento trascrizione e sintesi non richiedono connessione. Su Linux, o se vuoi metterci le mani, si parte dai sorgenti con Rust e Node.js già installati.

Il primo giro che consiglio è a basso rischio: una riunione interna poco critica, modello Whisper di taglia media e un LLM piccolo su Ollama, giusto per vedere che aspetto hanno il trascritto e il verbale generato sul tuo hardware. Solo dopo ha senso alzare l'asticella — modello di trascrizione più grande per l'accuratezza, LLM più capace per riassunti migliori.

# macOS / Windows: scarica l'installer dalle Release (nessun account)
#   https://github.com/Zackriya-Solutions/meetily/releases/latest

# Riassunti 100% locali: installa Ollama e scarica un modello
ollama pull llama3.1

# Linux o build dai sorgenti (richiede Rust + Node.js)
git clone https://github.com/Zackriya-Solutions/meetily
cd meetily/frontend && pnpm install && ./build-gpu.sh

🏢 Perché è interessante, per sviluppatori e PMI

Per chi sviluppa, Meetily è anche un ottimo riferimento architetturale: mostra come mettere insieme un'app desktop local-first seria — Tauri per l'involucro, Rust per le prestazioni, whisper.cpp per la trascrizione — con licenza MIT e codice leggibile. Puoi vedere esattamente cosa fa, forkarlo, adattarlo, o semplicemente prenderne i pattern per un tuo strumento offline. In un anno in cui metà dei progetti in tendenza sono agenti che chiamano API cloud, un progetto che porta l'inferenza sul dispositivo è un contrappunto utile da studiare.

Per una PMI, il valore è più diretto: verbali automatici delle riunioni senza spedire l'audio a terzi, con un costo marginale vicino a zero perché la Community Edition è gratuita e i modelli sono open. Per i settori regolati — legale, sanità, finanza, PA — la trascrizione in locale non è un vezzo ma spesso l'unica strada percorribile per adottare l'AI sulle riunioni senza aprire un fronte di conformità. È lo stesso spostamento di cui parlo quando affronto l'automazione AI nei reparti non-IT: prendere un processo aziendale ripetitivo — qui il prendere appunti — e lasciarlo assorbire dalla macchina, ma alle tue condizioni sul dato.

⚠️ Limiti e cautele prima di usarlo

Meetily è solido ma non è magia, e alcune cose vanno messe in conto prima di adottarlo. La più evidente è che «locale» vale davvero solo se resti locale: se per i riassunti scegli un LLM cloud invece di Ollama, il testo del trascritto lascia comunque il dispositivo, e la garanzia di sovranità del dato si applica per intero soltanto con i modelli in locale. È una scelta legittima, ma va fatta con consapevolezza.

Poi c'è la parte hardware e la maturità. Trascrizione e riassunto in locale chiedono risorse: su una macchina modesta la taglia `tiny` di Whisper è veloce ma imprecisa, la `large-v3` è accurata ma pesante, e una GPU cambia sensibilmente l'esperienza. L'accuratezza, insomma, è quella del modello che scegli, non un dato fisso del prodotto. Infine il modello di distribuzione è open-core: la Community Edition che sto raccontando è MIT e gratuita, ma esiste anche una versione PRO a pagamento, su un codebase separato, con funzioni aggiuntive — utile saperlo solo per capire quale edizione stai valutando.

• Local davvero solo in locale: con un LLM cloud per i riassunti il trascritto esce dal dispositivo; con Ollama resta tutto offline.
• Linux: nessuna app nativa, si compila dai sorgenti (macOS e Windows hanno l'installer).
• Hardware: trascrizione e riassunto locali chiedono risorse; una GPU aiuta molto.
• Qualità = modello: l'accuratezza dipende dal modello scelto (Whisper `tiny` vs `large-v3`, LLM piccolo vs grande).
• Open-core: la Community Edition è MIT e gratuita; esiste una PRO a pagamento separata — verifica quale ti serve.

✅ Da dove partire

Il percorso che suggerisco è incrementale: installa Meetily su macOS o Windows, affiancagli Ollama con un modello piccolo, registra una riunione interna poco critica e leggi il verbale che ne esce. Da lì decidi in autonomia le due leve che contano — la taglia del modello di trascrizione, per l'accuratezza, e se tenere tutto in locale o appoggiarti a un LLM esterno per i riassunti — in base a quanto sono sensibili i dati di quella specifica riunione.

Nel quadro più ampio, Meetily è un buon esempio di dove sta andando una fetta dell'AI applicata: non tutto deve passare dal cloud, e per molte PMI italiane è proprio la possibilità di elaborare in locale a rendere l'adozione praticabile invece che teorica. Lo osservo con interesse per questo, al di là della singola app: è la dimostrazione che «utile» e «sul mio dispositivo» non sono più in contraddizione.

Altri articoli del blog