← 返回部落格
Ai預計閱讀 10 分鐘

Yogurt 不進會議也能記會議,然後它開了一個 socket

發布於 2026年11月15日
Yogurt 不進會議也能記會議,然後它開了一個 socket

會議記錄工具,第一件要搞清楚的是它會往通話裡塞什麼。多數產品是以參與者身分進會議。網格裡多出一個名字,別人看得見,錄音這件事有個明面上的來源。這對知情同意是好事,其他方面全是壞事:bot 要人放行,會出現在訪客清單裡,某些平台上還會改變通話的版面配置。

Yogurt 由 Frigade 以 MIT 授權發布,它不進會議。它錄你的麥克風,以及電腦正在播放的所有聲音。沒有參與者,訪客清單不變,主持人不需要放行任何人。

FAQ 把後果寫得很直白:沒有 bot 進會議,所以你得自己告訴通話裡的其他人你在錄音。這句話承擔的東西比看上去多。錄音器一旦看不見,剩下的知情同意機制就只有你開口說一句。

它跑的是什麼

整條流水線是三個本機元件。

轉錄用 whisper.cpp,按機器情況選 large-v3-turbo 或更小的模型。在支援的 Mac 上,通話過程中由 Apple 的 SpeechAnalyzer 提供即時文字,Whisper 負責產生存檔的轉錄稿。這個分工挺合理:一個引擎管延遲,一個引擎管你要留下來的那份檔案。

摘要和問答走 llama.cpp,模型從 Gemma 4、gpt-oss、Qwen3 這幾個系列裡挑開源的,具體看你的硬體。應用程式是 Electron 寫的,不需要帳號。

初始化分兩次下載。先下一個小一點的筆記模型,大概 5 GB。再下這台機器能跑得好的最好的那個,文件裡寫的是 14 GB 或更多。裝完就能錄音;筆記模型下好之後,筆記和提問可以離線用。最低配置是 8 GB 記憶體,系統方面 macOS 14.4 的 Apple 晶片、Windows 10 2004 或更新版本的 x64、Ubuntu 22.04 或相近版本。

資料放在可預料的位置。Mac 上是 ~/Library/Application Support/Yogurt,Windows 上是 %APPDATA%\Yogurt,Linux 上是 ~/.config/Yogurt 或 $XDG_CONFIG_HOME/Yogurt。應用程式連網只有兩件事:下載模型和檢查更新,就這些。

哪些是 Mac 獨有,哪些不是

通話偵測跨平台,但比較淺。Yogurt 看哪些應用程式在用麥克風。瀏覽器裡的通話,它還會看分頁標題,或者看行事曆裡帶會議連結的近期行程。判斷通話開始了,它就問你要不要錄。你按了才開始錄,對一個沒辦法自報身分的軟體來說,這個預設值是對的。

語者名字只有 Mac 有。在 Mac 上給了輔助使用權限之後,Zoom、Teams、Meet 顯示誰在說話時,Yogurt 能讀出來。Windows 和 Linux 上轉錄稿沒有逐句的語者歸屬。如果你在意語者分離,這就是那條決定性的線,而 2026 年的產品還在這種地方留平台差距,挺奇怪的。

行事曆也只有 Mac 有,讀的是電腦上既有的行事曆。你不需要在 Yogurt 裡登入行事曆帳號。多語言模式轉錄涵蓋 99 種語言,介面是 32 種。摘要跟著會議的主要語言走,回答跟著你提問的語言走。

還有兩個小行為值得說。通話結束時 Yogurt 會停止錄音,靠的還是麥克風佔用訊號。跨會議的回答會帶回原文的連結,這是這個品類裡我唯一認為不能少的特性。查不了出處的摘要,就只能靠信。

那一個 socket

有意思的決定是那個本機 MCP 伺服器。

在設定裡的 AI apps 打開它,複製那條輔助指令,把它當成本機 MCP 伺服器加進你的助理。存取權限預設關閉。連上的應用程式能讀會議、筆記和轉錄稿,唯讀。它們改不了任何東西。也可以要 Yogurt 停止後續的讀取。

Mac 和 Linux 上,傳輸通道是你使用者目錄裡的一個 socket,權限 0600,所以只有你這個帳號能打開。Windows 上是一條具名管道,每次啟動隨機一個新名字,名字只存在你的使用者目錄裡。

然後就是讓我寫這篇文章的那句話:沒有 per-app token,所以只要存取權限開著,你帳號下跑的任何應用程式都能讀。設定裡顯示已連線的應用程式,用的是它們自己報上來的名字。

先想一秒。這裡的權限模型按使用者工作階段劃,不按應用程式劃。開關一撥,邊界就是你的登入帳號,而不是一份核准過的程式清單。設定裡那個應用程式清單也只是看著方便,名字都是應用程式自己報的。

這件事可以有兩種讀法。刻薄的讀法是:一個本機唯讀 socket 卻沒有 per-app 憑證,等於一套把齒銼掉的權限系統;而「自己報上來的名字」是你還沒做出身分層時才會寫的東西。

寬容的讀法是:在桌面端把 per-app token 做好很難,0600 的 socket 對機器上的其他使用者是條實實在在的邊界,而大多數人真正在用的替代方案是把轉錄稿傳到廠商伺服器。一個寫了注意事項的本機 socket,比一個配了隱私政策的雲端 API 划算。

我偏向第二種讀法,但有個條件。那個注意事項得一直留在 FAQ 裡。這類產品一旦開始把本機 MCP 存取說成安全的、不帶上限定,老老實實的工程就變成了行銷。

你要付的代價

錢是一分不花,但重點不在這。代價在別處。

第一是硬碟和記憶體。一台還要開瀏覽器的筆電上,14 GB 的模型加錄音是實實在在的佔用。初始化流程會告訴你這台機器是不是太慢,這比多數軟體體面。

第二是注意力。應用程式沒辦法自報身分,知情同意就變成一件社交動作,每次都得你自己記得做。使用體驗比網格裡冒出個 bot 要差,但對通話裡那些什麼都沒裝的人來說更好。

第三是平台。Mac 有語者名字和行事曆,Windows 第一次執行會彈 SmartScreen 警告,因為建置沒拿微軟的憑證簽章,Linux 拿到的是應用程式本體,Mac 那兩樣額外功能都沒有。

這個產品做的取捨是自洽的。本機處理、本機儲存、本機模型、不要帳號,再加一個唯讀 socket,讓你的助理能回答上週二的事。幾乎每個替代方案都至少放棄其中兩樣。

它憑什麼佔一個位置

這個品類現在有個預設形狀:bot 進會議,音訊傳到伺服器,摘要回來,轉錄稿留在廠商手裡。Yogurt 是同一個產品,把傳輸方向反過來,而傳輸一反過來,其他每個決定都得明著做,包括語者歸屬和應用程式身分那些不好看的決定。

有用的正是這部分。一個本機優先的應用程式,由兩件事定義:檔案寫在哪,以及它怎麼決定誰能讀。這兩件文件裡都寫了,細到檔案權限和管道命名,包括那個缺口,這種細緻程度不常見。你可以不認同那個缺口,同時還繼續用這個應用程式,那些從來不告訴你缺口在哪的服務,做不到這一點。

安裝包在 GitHub releases 頁面上,Mac arm64、Windows x64 和 Linux AppImage 都有。儲存庫裡也寫了從原始碼建置的方法,如果你想讀程式碼而不是讀 FAQ 的話。考慮到這個權限模型,讀程式碼看起來是個合理的選擇。

相關文章