O Yogurt grava a reunião sem um bot entrar. Depois abre um socket.

A primeira coisa a entender sobre um gravador de reuniões é o que ele coloca na chamada. A maioria entra como participante. Um nome aparece na grade, os outros veem, e a gravação tem uma causa visível. Isso é bom para o consentimento e ruim para todo o resto: o bot precisa ser admitido, aparece na lista de convidados e, em algumas plataformas, muda o layout da chamada.
O Yogurt, lançado pela Frigade sob MIT, não entra. Ele grava o seu microfone e todo o áudio que o computador está tocando. Sem participante, sem mudança na lista de convidados, nada para o anfitrião liberar.
O FAQ diz a consequência sem rodeios: nenhum bot entra na chamada, então avise as outras pessoas que você está gravando. Essa frase faz mais trabalho do que parece. Quando o gravador é invisível, o único mecanismo de consentimento que sobra é você falando.
O que ele roda
O pipeline são três peças locais.
A transcrição usa whisper.cpp, com large-v3-turbo ou um modelo menor dependendo da máquina. Em Macs compatíveis, o SpeechAnalyzer da Apple fornece as palavras ao vivo durante a chamada enquanto o Whisper produz a transcrição salva. A divisão faz sentido: um motor para a latência, outro para o arquivo que você guarda.
Resumos e perguntas passam pelo llama.cpp com um modelo de pesos abertos das famílias Gemma 4, gpt-oss ou Qwen3, escolhido para o seu hardware. O app é Electron e não pede conta.
A instalação baixa em duas etapas. Primeiro um modelo de notas menor, cerca de 5 GB. Depois o melhor que a máquina roda bem, que a documentação coloca em 14 GB ou mais. Gravar funciona assim que a instalação termina; notas e perguntas funcionam offline assim que o modelo de notas chega. O mínimo é 8 GB de memória, com macOS 14.4 em Apple silicon, Windows 10 2004 ou mais novo em x64 e Ubuntu 22.04 ou parecido.
Os dados ficam em lugares previsíveis. ~/Library/Application Support/Yogurt no Mac, %APPDATA%\Yogurt no Windows, ~/.config/Yogurt ou $XDG_CONFIG_HOME/Yogurt no Linux. O app vai online para baixar modelos e checar atualizações, e a lista acaba aí.
As partes que são só de Mac, e as que não são
A detecção de chamada é multiplataforma, mas rasa. O Yogurt observa quais apps estão usando o microfone. Em chamadas no navegador, ele também olha o título da aba ou um evento de calendário próximo com link de chamada. Quando acha que uma chamada começou, oferece gravar. A gravação só começa se você aceitar, que é o padrão certo para algo que não consegue se anunciar.
Nomes de quem fala são só no Mac. No Mac, com permissão de Acessibilidade, o Yogurt lê quem está falando no Zoom, Teams e Meet quando esses apps mostram. No Windows e no Linux a transcrição não tem atribuição por pessoa. Se diarização importa para você, é aí que fica a linha decisiva, e é um lugar estranho para uma lacuna de plataforma num produto de 2026.
O calendário também é só de Mac, e lê calendários que já estão no computador. Você não faz login em conta de calendário dentro do Yogurt. O modo multilíngue cobre 99 idiomas na transcrição, com 32 idiomas na interface. Os resumos seguem o idioma principal da reunião; as respostas seguem o idioma da sua pergunta.
Dois comportamentos menores importam. O Yogurt para de gravar quando a chamada termina, pelo mesmo sinal de microfone em uso. E respostas entre reuniões vêm com links para a fonte, a única função desta categoria que eu chamaria de inegociável. Um resumo que você não pode conferir é um resumo em que você precisa confiar.
O único socket
A decisão interessante é o servidor MCP local.
Ligue em Configurações, AI apps, copie o comando de apoio e adicione como servidor MCP local no seu assistente. O acesso vem desligado. Apps conectados ganham acesso somente leitura a reuniões, notas e transcrições. Eles não podem mudar nada. Também dá para mandar o Yogurt parar leituras seguintes.
No Mac e no Linux, o transporte é um socket na sua pasta de perfil com permissões 0600, então só a sua conta de usuário consegue abrir. No Windows é um named pipe com um nome aleatório novo a cada execução, guardado apenas na sua pasta de perfil.
Aí vem a frase que me fez escrever isto: não existe token por app, então qualquer app rodando na sua conta pode ler enquanto o acesso estiver ligado. As configurações mostram os apps conectados pelos nomes que eles mesmos declaram.
Pense nisso um instante. O modelo de permissão aqui roda por sessão de usuário, não por aplicação. Quando você vira a chave, a fronteira é o seu login, não uma lista de programas aprovados. E a lista de apps nas configurações é só uma exibição de conveniência, já que os nomes são autodeclarados.
Dá para ler de dois jeitos. A leitura dura é que um socket local somente leitura sem credenciais por app é um sistema de permissões com os dentes limados, e que "nomes autodeclarados" é o que se escreve quando você não construiu uma camada de identidade.
A leitura generosa é que tokens por app são difíceis de fazer bem num desktop, que um socket 0600 é uma fronteira real contra outros usuários da máquina, e que a alternativa que a maioria realmente usa é subir transcrições para um fornecedor. Um socket local com uma ressalva documentada é um negócio melhor que uma API na nuvem com política de privacidade.
Eu pendo para a segunda leitura, com uma condição. A ressalva tem que ficar no FAQ. No momento em que um produto assim começa a descrever o acesso MCP local como seguro sem o qualificador, a engenharia honesta vira marketing.
O que custa para você
Dinheiro, nada, e não é o ponto. Os custos estão em outro lugar.
Disco e memória, primeiro. Um modelo de 14 GB mais gravações é coisa concreta num notebook que também roda um navegador. O fluxo de instalação avisa se a máquina é lenta demais, o que é mais elegante que a maioria.
Atenção, segundo. O app não consegue se anunciar, então o consentimento vira um ato social que você precisa lembrar toda vez. É uma experiência pior que um bot aparecendo na grade, e melhor para as pessoas na chamada que não instalaram nada.
Plataforma, terceiro. O Mac ganha nomes de quem fala e calendário, o Windows ganha um aviso do SmartScreen na primeira execução porque o build não é assinado com certificado da Microsoft, e o Linux ganha o app sem nenhum dos dois extras do Mac.
A troca que o produto faz é coerente. Processamento local, armazenamento local, modelo local, sem conta, e um socket somente leitura para o seu assistente responder sobre a terça passada. Quase toda alternativa abre mão de pelo menos duas dessas coisas.
Por que ele merece um lugar
A categoria já tem um formato padrão: um bot entra, o áudio vai para um servidor, um resumo volta e o fornecedor fica com a transcrição. O Yogurt é o mesmo produto com o transporte invertido, e inverter o transporte obriga cada outra decisão a ser tomada de forma explícita, inclusive as feias sobre atribuição de fala e identidade de app.
A parte útil é essa. Um app local-first se define por onde escreve seus arquivos e por como decide quem pode lê-los. As duas coisas estão documentadas aqui com um nível de detalhe raro, até permissões de arquivo e nome de pipe, incluindo a lacuna. Você pode discordar da lacuna e continuar usando o app, o que não dá para dizer de um serviço que nunca conta onde a lacuna está.
Os instaladores estão na página de releases do GitHub para Mac arm64, Windows x64 e um AppImage de Linux. O repositório também documenta como compilar do código, se você preferir ler o código em vez do FAQ. Dado o modelo de permissão, ler o código parece a escolha razoável.
Artigos relacionados
Um servidor, uma streamer de IA: dentro do código que roda uma live noturna
open-yoki é o código de produção de uma host de IA que transmite toda noite no Binance Square, sem persona, voz ou qualquer recurso que toque dinheiro. headless Chrome desenha o frame, ffmpeg empurra RTMP e uma pasta de Markdown decide o humor e o que ela publica.
O Pinky deixa um agent dirigir seu celular e segura o botão Enviar até você clicar em Permitir
O Pinky conecta qualquer agent MCP a um iPhone ou Android de verdade e aplica a aprovação no próprio gateway, não num prompt. Apps de banco são invisíveis, campos de senha estão fora de alcance e, no Android 13, o agent ganha uma segunda tela escondida.
O Cicada escuta o áudio da sua reunião direto, sem bot na sala
O Cicada é um app gratuito para Mac, Windows, Linux e Android que escreve legendas bilíngues e notas de reunião estruturadas a partir do áudio do sistema, e depois deixa você segurar uma tecla para responder no outro idioma com sua própria voz clonada. Nenhum bot entra na chamada.
O SeedRealtime da ByteDance pega dois frames por segundo e decide quando falar
O Doubao-Seed-Realtime-1.0 junta frames de câmera, frames de tela e fala numa única sessão full duplex, a no máximo dois frames por segundo. As decisões interessantes são a taxa de frames, a fala proativa e a resposta de auditoria que já vem ligada.