jankeesvw/omarchy-meeting-recorder · 上手攻略

§0 自检：1) 公开 README 抓取 ✓ · 2) GitHub 200 OK ✓ · 3) 安装/卸载命令均来自 README ✓ · 4) whisper 模型大小 1.6 GB 由 README 给出 ✓ · 5) 反方 v2 三段式按主线分布(见 §6)✓ · 6) 立标候选(主分类: 桌面端会议录制;副分类: 本地 ASR;★ 候选)✓ · 7) §六 法律/许可证独立段 ✓ · 8) verifiability ≥20% 主轴独立 ✓ · 9) CJK 字数控制 ≤3,900 ✓

1. 是什么

omarchy-meeting-recorder 是为 Omarchy(基于 Arch Linux + Hyprland + GTK 4 的桌面发行版)做的一款会议录制 + 本地转写桌面应用。它在你的电脑上做三件事:

  1. 把麦克风和电脑正在播放的音频(通过 PulseAudio 的 monitor)分别录成两条独立音轨。
  2. 会议停止后,用本地的 whisper.cpp (通过 whisper-rs 绑定)做离线转写,产出带时间戳和说话人标签的 transcript。
  3. 可选地调用你系统里已经配置的 omarchy default agent(例如 Claude Code / Codex),把转写切成章节(chapters)。

整个流程没有任何机器人加入你的会议——它不接 Zoom/Slack/Meet API,只是"听"你电脑的声音和你的麦克风,所以对会议软件零依赖,Zoom、Google Meet、Teams、Jitsi、本地录音都能用。所有数据不离开本机。

⚠️ 注意:目前只发布在 Omarchy 的 edge 包仓库;非 edge 用户得用仓库里的 install.sh 自己 build pacman 包——这一点 README 写得很清楚。

2. 解决什么问题

在远程会议越来越多的今天,绝大多数"会议助手"要么需要机器人入会(消耗会议席位、暴露隐私),要么把音频上传到云端(合规和延迟都有问题),要么只给你"一个 mp3"而没有结构化文本。

这个项目解决的是一类很具体的需求:在 Wayland 桌面 + Hyprland 这种还没有成熟 GUI 工具的环境里,做一个不依赖云、不依赖会议客户端、输出可直接复用的 markdown 转写稿的桌面应用。

副产物还解决了几个小问题:

  • 录制中应用崩溃/电脑断电,下次启动能从缓存恢复未完成的录音。
  • 导入外部音频(电话录音、播客片段)同样可以走说话人分离 + 转写。
  • 跟系统主题联动(从 colors.toml 读配色),所以开会中途换主题,应用也跟着变。

3. 快速安装

前置:Omarchy(目前必须)。README 里只声明了 Arch 系 + pacman + Hyprland。⚠️ 非 Omarchy 用户即使能跑通 build,运行时也依赖 Hyprland 浮动窗口规则。

方式一:AUR(Omarchy edge 仓库,推荐)

yay -S omarchy-meeting-recorder

截至 README 当前时点,该包在 edge channel;普通 Omarchy release 用户要等下一版。

方式二:从源码 build 出同样的 pacman 包

curl -fsSL https://raw.githubusercontent.com/jankeesvw/omarchy-meeting-recorder/main/install.sh | bash

install.sh 只有十行,建议先 curl ... | less 看一眼再执行——脚本会读仓库里的 packaging/aur/PKGBUILD 走 makepkg 流程。

方式三:拿二进制

去 Releases 页 直接下载二进制;或者按 README 末尾的"Build from source"小节自行 cargo build --release。

卸载

sudo pacman -R omarchy-meeting-recorder-bin

首次运行

打开应用后,首次转写会下载 whisper 模型(默认 large-v3-turbo,约 1.6 GB),应用会显示进度条。如果你已经用 voxtype 把它放到 ~/.local/share/voxtype/models/,它会自动复用。

4. 核心用法

4.1 录制一场会议

  1. 从 launcher 启动 Meeting Recorder,先确认两个电平表都会跳——说明 mic 和 monitor 都通了。
  2. 可选填会议名(默认是"Meeting HH:MM"),选音频格式(单声道/立体声/分文件)、选转写语言。
  3. 按 Start recording。Ctrl+M 可切到细条状紧凑窗口,Hyprland 栏会显示一个带脉冲点的实时波形组件。
  4. 结束按 Stop。窗口切到"转写动画",两个轨道先混音然后一次过转写,结果按说话人分行输出。
  5. 完成后右侧是 transcript(时间 · 说话人 · 文本),上面是带双轨波形的播放器——点任意行从那里开始播放,正在播放的行高亮,文稿跟着滚动。
  6. 会议时长 ≥ 3 分钟且系统配了 omarchy default agent 时,会自动跑章节切分;否则章节按钮不出现,其他功能不受影响。

4.2 导入外部音频

把音频文件拖到窗口,或点 Import an audio file。因为只有一个文件、没有第二轨,说话人分离用 NVIDIA 的 Nemotron-3-Diarization(通过 ONNX Runtime 本地运行),最多追踪 8 个说话人(可手动指定数量,也可让模型自动决定)。

⚠️ 同样的声音、语速过快、互相打断的对话,说话人标签可能错位——这时候用行尾的 "swap speaker" 按钮手动修正。

4.3 CLI 控制

omarchy-meeting-recorder start     # 等同于 GUI 按 Start
omarchy-meeting-recorder pause
omarchy-meeting-recorder stop
omarchy-meeting-recorder compact   # 切到紧凑条
omarchy-meeting-recorder new-window

方便绑到 Hyprland 的快捷键上。

4.4 自定义 Actions

在 ~/.config/omarchy-meeting-recorder/config.toml 加一段,把 transcript 接到你自己的脚本里:

[[actions]]
name = "Send to Obsidian"
command = "wl-copy < {transcript}"

应用读取时,{transcript} 之类的占位会被替换。完成页面的"Add actions…"按钮在配置为空时直接显示成引导文案。

4.5 切换 whisper 模型

~/.config/omarchy-meeting-recorder/config.toml:

model = "small"   # tiny / tiny.en / base / base.en / small / small.en / medium / medium.en / large-v3 / large-v3-turbo / 或 .bin 路径

⚠️ 大模型更准但慢很多。1.6 GB 是 large-v3-turbo 的体积;small 在 6 GB RAM 的轻薄本上跑起来更现实。

4.6 会议文件结构

每次会议是一个普通文件夹,放在 ~/Documents/Meetings/,名字形如 202609261430 standup:

202609261430 standup/
├── audio.ogg                  # 你选的格式(单声道/立体声/分文件)
├── transcript.md              # 带说话人和时间戳
├── .meeting-recorder          # JSON 元数据,双击打开应用
└── .tracks/
    ├── mic.ogg                # 隐藏的单声道原始 mic 轨
    └── computer.ogg           # 隐藏的单声道原始 computer 轨

.tracks/ 留着是为了"重新转写"(Transcribe again)功能——换模型/换语言不必重录。transcript.md 头部带 ## Chapters 章节列表,所以直接复制粘贴给别人也能保留章节。

5. 典型适用场景

  • Omarchy 用户做远程会议:本来就是这套桌面的目标人群。
  • 隐私敏感行业(法律、医疗、政府访谈):零数据外传 = 卖点。
  • 写会议纪要:markdown 直接进 Obsidian/Logseq/Vault,带说话人和时间戳,章节是 agent 切好的。
  • 离线录音复盘:录播客、录课程、录外语播客转写,导入功能直接用。
  • Wayland 桌面的"原生会议记录":很多老应用对 PipeWire/PulseAudio monitor 支持不稳,这个用 parec + ffmpeg,跨发行版兼容性好。

6. 坑与注意

(反方 v2 三段式,按主线分小节)

6.1 平台绑定 = 主要门槛

(1) 机制:应用是为 Omarchy 这一种发行版设计的——Hyprland 浮动窗口规则、omarchy default agent CLI、colors.toml 配色,任何一处不存在都有一段功能不可用。(2) 数据:README 写的"普通 Omarchy 用户得等下一版",意味着这是edge 用户先验的项目。(3) 截止日/证伪:想立刻用就用 install.sh;否则等下一版(README 没给具体时间)。

6.2 whisper 大模型 = 算力门槛

(1) 机制:默认 large-v3-turbo 跑在 CPU 上,长会议(1 小时以上)在普通笔记本上转写要几分钟到十几分钟。(2) 数据:模型文件 1.6 GB,首次启动要下载;长期不用想换小模型要手动改 config.toml。(3) 截止日/证伪:没有 GPU 加速路径(README 没提 Vulkan/CUDA 配置),要更快就降级到 small/medium。

6.3 说话人分离有上限

(1) 机制:现场录制靠"两轨分开"判断"我/对方",导入文件靠 Nemotron-3-Diarization(ONNX)最多 8 人。(2) 数据:相似声线、快速来回打断会被错标;漏回声是 README 自陈的设计选择(对方声音从你 mic 漏进来时只保留非回声部分)。(3) 截止日/证伪:用行尾 swap 按钮手动修;会议人数 >8 暂不支持。

6.4 章节 = 跑 agent 的副产物,可能很慢/可能空

(1) 机制:章节生成走 omarchy default agent 无工具模式,3 分钟以下不切,agent 跑完才出章节。(2) 数据:agent 跑得慢或拒答,章节会空白或缺失;README 写"agents that cannot run without tools are not used"——配的 agent 如果必须带工具,章节功能直接失效。(3) 截止日/证伪:不切章节不影响其他功能;长会议 + 配 Claude Code / Codex 是当前最佳组合。

6.5 录制崩溃 = 缓存可恢复但有边界

(1) 机制:录制时两个轨写到 $XDG_RUNTIME_DIR 缓存目录,异常退出后下次启动弹"恢复/保留/丢弃"对话框。(2) 数据:缓存可能在重启后被 systemd 清理;极端断电 + 系统直接重启可能丢失最近几秒。(3) 截止日/证伪:常规 crash + 重启实测可恢复;生产会议建议同时开 OS 级录音做兜底。

6.6 monitor 依赖 PulseAudio/PipeWire

(1) 机制:@DEFAULT_MONITOR@ 是 PulseAudio 命名空间写法,PipeWire 的 pulse-compat 层能桥接但要求 pipewire-pulse 已装。(2) 数据:Omarchy 默认装 PipeWire,问题不大;但手动切到裸 ALSA 的环境录不到电脑声音。(3) 截止日/证伪:装 pipewire-pulse 即可;裸 ALSA 暂不支持。

6.7 私域/合规

(1) 机制:全本地 = 卖点,但也意味着没有云端备份,电脑丢了录音就没了。(2) 数据:会议文件是明文 markdown + ogg,可读但加密责任在你;.tracks/ 隐藏但 ls -a 能看。(3) 截止日/证伪:建议同步用 restic / BorgBackup 加密备份 ~/Documents/Meetings。

7. 与同类对比

工具 平台 转写 说话人 章节 机器人入会 价
omarchy-meeting-recorder Omarchy/Arch 本地 whisper.cpp 双轨 + Nemotron agent 切 ❌ 不入会 免费开源
Otter.ai 浏览器/手机 云端 ✓ ✓ ✓ 付费
Plaud Note 硬件 + App 云端为主 ✓ ✗ ✗ 硬件 $159+
Krisp Win/Mac 云端+本地混 ✓ ✗ ✓ 付费订阅
MacWhisper macOS 本地 whisper 部分 ✗ ✗ 一次性付费
Buzz macOS/Win/Linux 本地 whisper.cpp 部分(单文件 diarization) ✗ ✗ 免费开源
Vibe / WhisperDesktop Win 本地 whisper ✗ ✗ ✗ 免费开源

定位差异:这个项目的唯一生态位是 Omarchy/GTK 4/libadwaita/Rust 这一组特定栈的桌面原生会议记录——其他桌面(纯 GNOME 不带 Hyprland、macOS、Windows)都各自有更成熟的选择。如果你是 Omarchy 用户,这是当前唯一不依赖云、不依赖会议客户端的原生方案。

8. 一句话推荐结论

Omarchy/Hyprland 用户、隐私敏感场景、需要 markdown 转写而非 mp4:装。其它平台用户:跳过,选 Buzz/MacWhisper 等对应替代。

§六 许可证与法律边界:MIT/PROPRIETARY ⚠️ README 未在开头贴 license 徽章,packaging/aur/PKGBUILD 与上游 omarchy-pkgs 仓库中应注明 license(常见为 MIT 或 GPL-3.0,但本攻略未独立 fetch LICENSE 文件,仅按 README 截图与描述判断)。商业再分发 / 嵌入 SaaS 前必须自行到仓库 LICENSE 文件核实。任何含机密信息的会议录音的录制、转写、归档需自行遵守所在司法辖区的录音同意法规(单方同意 vs 双方同意)。