Meetily의 6월 릴리스는 가능성 있는 로컬 회의 녹음기를 하루 종일 트레이에 띄워 둘 수 있는 도구로 끌어올렸다. 버전 0.4.0은 전사 정확도를 다듬고, 대부분의 클라우드 노트 작성 도구가 따라오기 어려운 개인정보 보호 기조를 더 분명히 했다.
0.4.0의 핵심 변화: Qwen 3.5, Parakeet 수정, 선택형 분석
Meetily v0.4.0은 2026년 6월 5일 커밋 0281737에서 배포된 최신 안정 릴리스다 . 모든 설정된 LLM 제공자에서 다국어 요약 생성을 지원하고, 별도의 Ollama pull 없이도 로컬 요약기를 바로 쓸 수 있도록 Qwen 3.5를 내장 오프라인 요약 모델로 포함했다. Parakeet 디코더 수정으로 이전 릴리스에서 생긴 정확도 저하 문제가 해결됐고, Windows와 Linux의 AMD 및 Intel 하드웨어용 Vulkan GPU 경로도 패치됐다 .
개인정보 보호 측면의 변화가 가장 눈에 띈다. PostHog 분석은 이제 선택 사항이며 새 설치에서는 기본적으로 꺼져 있고, 사용자가 어떤 선택을 하든 회의 내용, 전사문, 오디오, 참가자 이름은 분석 대상에서 제외된다 . 프로젝트의 개인정보 처리방침 표현처럼 "analytics are optional and off by default,"이며 회의 녹음은 외부 서버로 전송되지 않는다 . 기본 사용 흐름을 기기 안에 머물게 하려는 신호다.
작지만 체감되는 변화도 두 가지 있다. 단일 인스턴스 실행과 창을 닫을 때 트레이로 숨기는 기능이 들어가면서, Meetily는 이제 전면 창 앱이라기보다 계속 실행되는 트레이 상주 프로세스처럼 동작한다. 조사 시점 기준 이 프로젝트는 GitHub 스타 27.9k개, 포크 2.9k개, 커밋 556개, 보고된 다운로드 369k회 이상을 기록하고 있었다 .
설치 전에 확인할 것
Meetily는 GitHub Releases 페이지에서 macOS와 Windows용 네이티브 설치 파일을 제공한다. Linux 사용자는 네이티브 패키지가 아직 준비 중인 동안 소스에서 빌드해야 한다 . 기기 내 요약을 쓰고 싶다면 Meetily를 처음 실행하기 전에 http://localhost:11434에서 Ollama를 시작해 두자. 가벼운 선택지는 Gemma 3n, Meta LLaMA 3, Mistral 7B다 . 따로 pull하고 싶지 않다면 Qwen 3.5를 내장 오프라인 모델로 사용할 수 있다 . FFmpeg는 v0.2.1부터 함께 포함되어 있어 별도 설치나 PATH 등록이 필요 없다 . GPU 가속은 자동 감지된다. Apple Silicon에서는 Metal/CoreML, NVIDIA에서는 CUDA, AMD/Intel에서는 Vulkan을 사용하며, 지원 GPU가 없는 Windows 기기에서는 Parakeet이 대체 경로가 된다 .
OS 권한도 미리 허용해야 한다. 마이크 접근 권한과 시스템 오디오 루프백(macOS의 화면 기록 권한, Windows의 WASAPI 루프백)을 허용하면 Meetily가 통화 양쪽 소리를 동시에 녹음할 수 있다 .
| 엔진 | 크기 / 파라미터 | 언어 | 수동 언어 설정 | GPU |
|---|---|---|---|---|
| Whisper (tiny–large-v3) | 약 150 MB – 1.5 GB | 99개 언어, 자동 감지 | 지원 | 권장 |
| Parakeet 0.6B | 약 600M 파라미터 | 영어 + 유럽 24개 언어 | 미지원 | 필수 아님 |
설치부터 첫 회의록 생성까지 설정하기
다운로드부터 첫 요약까지는 다섯 단계면 충분합니다. 설치 파일을 받고, 전사 엔진을 고른 뒤, Meetily가 로컬 Ollama 모델을 보도록 설정하고, OS 오디오 권한을 승인한 다음 녹음을 누르면 됩니다. 기본 경로에서는 오디오, 전사문, 요약이 모두 기기 안에 남습니다. Whisper 사이드카와 Ollama가 모두 localhost에서 실행되므로, 사용자가 호스팅 제공업체를 일부러 선택하지 않는 한 어떤 데이터도 기기 밖으로 나가지 않습니다 .
- 설치합니다. 릴리스 페이지에서
.dmg(macOS) 또는.exe(Windows)를 내려받아 실행합니다. Linux는 아직 소스에서 직접 빌드해야 합니다 . - 엔진을 고릅니다. 처음 열 때 Whisper를 선택합니다. 모델 크기가 클수록 정확도는 올라가지만 더 많은 VRAM이 필요합니다. 또는 Parakeet을 선택할 수 있는데, 영어 우선 엔진이며 지원되는 가속 장치가 없는 Windows 머신에서도 GPU 조건을 건너뜁니다 .
- LLM을 연결합니다. Settings → LLM Provider → Ollama로 이동해 Base URL을
http://localhost:11434로 설정하고,gemma:latest또는qwen3.5같은 모델을 입력합니다. v0.2.1부터 Meetily는 설치된 Ollama 모델을 자동으로 가져오므로, 데몬이 이미 실행 중이라면 목록에서 선택하기만 하면 됩니다 . - 권한을 허용합니다. 마이크와 시스템 오디오 권한 요청을 승인합니다. Meetily는 지능형 더킹과 클리핑 방지로 두 채널을 함께 믹싱해 통화 양쪽 음성을 모두 캡처합니다. 회의에 봇 참석자가 들어오지는 않습니다 .
- 녹음합니다. Record를 클릭합니다. 창을 닫으면 Meetily가 시스템 트레이로 숨겨지고, 그곳에서 일시정지, 재개, 중지를 할 수 있습니다. 중지하면
localhost:8178의 Whisper 사이드카가 파일을 전사하고, 이어서localhost:11434의 Ollama가 요약을 작성합니다 .
전사문과 요약은 앱 데이터 디렉터리 안의 로컬 SQLite 데이터베이스에 저장됩니다. 로컬 Whisper를 거쳐 로컬 Ollama로 넘기는 이 2단계 흐름은 스크립트로도 쉽게 재현할 수 있습니다. 아래 예시 Python은 여기서 실행한 것은 아니며 whisper 패키지가 필요합니다. 앱이 내부에서 하는 일을 그대로 반영한 코드입니다:
from pathlib import Path
from urllib import request
import json
import os
import whisper
audio = Path(os.getenv("AUDIO", "meeting.wav"))
whisper_model = os.getenv("WHISPER_MODEL", "base")
ollama_model = os.getenv("OLLAMA_MODEL", "llama3.1")
text = whisper.load_model(whisper_model).transcribe(str(audio))["text"]
payload = json.dumps({
"model": ollama_model,
"prompt": f"Summarize these meeting notes:\n{text}",
"stream": False,
}).encode()
req = request.Request(
"http://127.0.0.1:11434/api/generate",
data=payload,
headers={"Content-Type": "application/json"},
)
summary = json.loads(request.urlopen(req, timeout=120).read())["response"]
print("Whisper: local Python model")
print("Ollama: local localhost API")
print(summary)아쉬운 점과 우회 방법
Meetily의 가장 큰 빈틈은 화자 라벨링과 Linux 패키징입니다. 누가 무엇을 말했는지 표시하는 화자 분리 기능은 유료 Meetily Pro 등급에 있으며 아직 베타에서 다듬어지는 중이라, MIT 라이선스 Community Edition은 화자 표시가 없는 전사문을 만듭니다 . 현실적인 우회 방법은 v0.3.0에 추가된 앱 내 전사문 편집기입니다. 녹음이 끝난 뒤 화자를 손으로 주석 처리할 수 있습니다 . Linux는 아직 네이티브 패키지가 없습니다. 저장소 README를 따라 컴파일해야 하며, Tauri의 Rust 빌드 툴체인이 가장 큰 걸림돌입니다 .
정확도 주장도 그대로 받아들이면 안 됩니다. Parakeet이 내세우는 평균 WER 6.05는 엄선된 테스트 세트에서 나온 모델 카드 수치이지, 일반 소비자용 마이크 환경의 수치가 아닙니다 . 시끄러운 공간이나 비유럽권 언어라면 약 1.5GB 다운로드와 GPU 여유 공간을 감수하더라도 Whisper large-v3가 더 안전한 선택입니다 . 프라이버시 경계도 좁고 설정에 따라 달라집니다. 로컬 Whisper 또는 Parakeet에 로컬 Ollama를 조합하면 데이터가 기기 안에 머물지만, Groq, OpenAI 또는 기타 호스팅 제공업체를 선택하면 오디오나 전사문이 외부로 전송됩니다. Settings 패널은 이를 명확히 설명합니다 . 마지막으로, 공개 코드와 옵트인 방식의 개인정보 처리방침은 투명성 신호일 뿐 컴플라이언스 자격 증명은 아닙니다. BAA, SOC 2 인증, 감사 자료가 없으므로 규제 대상 팀은 이를 공백으로 봐야 합니다 .
다음으로 살펴볼 기능
첫 전사문을 확보했다면, 몇 가지 기능으로 Meetily를 실시간 회의 바깥에서도 활용할 수 있습니다. v0.3.0부터는 .mp4 또는 .wav 파일을 앱에 끌어다 놓고 오프라인에서 Whisper를 다시 실행할 수 있습니다 . 쌓여 있던 녹음 파일을 처리할 때 유용합니다. BlockNote 편집기에는 구조화된 노트를 위한 일곱 가지 회의 템플릿(스탠드업, 인터뷰, 리뷰, 사용자 지정 등)이 포함되어 있으며, 이는 v0.1.1에 추가됐습니다 . v0.2.0부터 LLM 제공업체 설정은 Azure OpenAI, 자체 호스팅 vLLM, OpenRouter처럼 OpenAI 호환 URL이면 무엇이든 받을 수 있습니다 . 여러 화자가 있는 녹음의 화자 분리는 MIT Community Edition에서 여전히 핵심 공백으로 남아 있으며, 14일 체험 후 사용자당 월 $10인 Meetily Pro 뒤에 있습니다 . 버그를 제출하기 전에 2026년 8월 2일 기준 열린 이슈 207개와 풀 리퀘스트 114개를 먼저 훑어보세요 . 기여가 활발한 영역이라 먼저 확인할 가치가 있습니다.
자주 묻는 질문
Meetily는 인터넷 연결 없이도 작동하나요?
네, 로컬 추론으로 설정하면 가능합니다. 전사에는 Whisper 또는 Parakeet을, 요약에는 Ollama 또는 내장 AI를 선택하면 모든 단계가 기기 안에서 실행되어 네트워크가 필요 없습니다. 문서에는 Whisper와 Parakeet이 오디오를 로컬에서 처리한다고 명시되어 있으며, Groq 또는 OpenAI를 선택하면 오디오가 기기 밖으로 전송됩니다 . Meetily의 개인정보 처리방침도 로컬 설정에서는 녹음이 외부 서버로 전송되지 않는다고 덧붙입니다 . 호스팅 제공업체 사용은 선택 사항이며, 연결이 필요합니다.
회의 요약에는 어떤 Ollama 모델부터 시작하면 좋나요?
가벼운 모델부터 시작하세요. Meetily 문서는 소비자용 하드웨어에서 실행되는 더 가벼운 로컬 옵션으로 Gemma 3n, Meta LLaMA, Mistral을 제시하며, 설정 → LLM Provider에서 Base URL을 http://localhost:11434로 지정해 구성합니다 . v0.4.0(2026년 6월 5일 출시)부터는 Qwen 3.5가 내장 오프라인 요약 모델로 포함되어, 별도로 Ollama에서 모델을 받아오지 않아도 요약할 수 있습니다 . 더 큰 모델은 더 풍부한 요약을 만들지만 더 많은 RAM을 요구합니다.
Meetily는 영어가 아닌 언어도 전사할 수 있나요?
네. Whisper는 지원되는 GPU 가속이 있는 macOS 및 Windows 기기에서 자동 언어 감지와 수동 언어 선택이 가능한 다국어 전사를 지원합니다 . 기반 모델은 68만 시간의 다국어·멀티태스크 데이터로 학습되었습니다 . Parakeet은 대안 경로로, 영어와 24개 유럽 언어를 지원하지만 지원 범위가 더 좁고 수동 언어 선택은 없습니다 .
Community Edition은 정말 MIT 라이선스이고 무료인가요?
네. Zackriya-Solutions/meetily 저장소는 MIT 라이선스의 무료 오픈 소스이며, 완전 로컬 추론으로 설정하면 사용량 제한이나 API 키 요구 사항이 없습니다 . Meetily Pro는 화자 분리 같은 향상된 정확도 기능을 추가하며, 14일 체험 후 사용자당 월 10달러, 연간 청구 기준 120달러입니다 . 화자 분리는 무료 에디션에서 아직 성숙 중인 주요 기능으로 남아 있습니다.
Meetily의 개인정보 보호 방식은 Otter나 Granola와 어떻게 다른가요?
Meetily의 로컬 설정은 벤더 클라우드 보관 계층을 완전히 제거합니다. Otter는 고객 데이터를 AWS를 통해 처리하고, 서비스 기능을 위한 하위 처리업체로 Anthropic과 OpenAI를 명시합니다 . Granola는 기기에서 녹음하지만 모든 데이터를 미국 AWS에 저장하며 지역별 데이터 거주 옵션이 없고, 설정하지 않으면 노트를 무기한 보관할 수 있습니다 . Meetily의 개인정보 처리방침은 회의 콘텐츠가 사용자의 인프라에 머문다고 밝힙니다 . 다만 BAA나 SOC 2 보고서는 제공하지 않으므로, 규제 산업에서는 여전히 검토해야 할 컴플라이언스 공백이 있습니다.
이 글이 도움이 되셨다면, 새 글이 올라올 때마다 이메일로 받아보세요.
