Resumos de reunião com um LLM local: Ollama e LM Studio

O Autorec já grava e transcreve na sua máquina. O resumo é a única etapa que pode sair dela, porque um resumo precisa de um modelo de linguagem e a maioria das pessoas usa um hospedado.

Não precisa ser assim. O Autorec conversa com qualquer endpoint compatível com a OpenAI, e tanto o Ollama quanto o LM Studio oferecem um em localhost. Aponte o Autorec para lá e nada sai da máquina em nenhum momento. Este post mostra os dois, depois explica qual modelo escolher com 8, 16 ou 32 GB de RAM e por que reuniões longas precisam de uma janela de contexto maior que a padrão.

O que é enviado, de fato

O Autorec manda duas coisas para o endpoint: o seu prompt de resumo como mensagem de sistema e a transcrição inteira como mensagem do usuário. Não vai áudio nem vídeo. (Transcrições acima de uns 400.000 caracteres, cerca de oito horas de fala, são cortadas com o marcador ”[Transcript truncated]”.) Com um servidor local, essa requisição vai para http://localhost:11434/v1 (Ollama) ou http://localhost:1234/v1 (LM Studio) e para por aí.

Opção 1: Ollama

1. Instale o Ollama em ollama.com/download. No Linux, o script de instalação é curl -fsSL https://ollama.com/install.sh | sh. No macOS e no Windows é um instalador comum.
2. Baixe um modelo no terminal, por exemplo ollama pull qwen3.5:9b. As sugestões de modelo estão mais abaixo.
3. Confira se ele está rodando: por padrão o Ollama escuta em 127.0.0.1:11434, e ollama ps mostra o que está carregado.
4. No Autorec, abra Configurações e role até Resumo com IA. Em Provedor, escolha Ollama (local) no grupo Local servers. A URL base da API é preenchida como http://localhost:11434/v1.
5. Deixe a Chave da API vazia. O campo avisa “Not needed for local servers”.
6. Em Modelo, coloque exatamente a tag que você baixou, como qwen3.5:9b. O preset sugere llama3.1, que só funciona se foi esse o modelo baixado.
7. Clique em Salvar configurações.

Opção 2: LM Studio

1. Instale o LM Studio em lmstudio.ai e baixe um modelo pela busca embutida.
2. Inicie o servidor. Na aba Developer do LM Studio, ative Start server, ou rode lms server start no terminal. Ele atende na porta 1234.
3. No Autorec, em Configurações, Resumo com IA, escolha LM Studio (local) como Provedor. A URL base passa a ser http://localhost:1234/v1.
4. Deixe a Chave da API vazia.
5. O preset do LM Studio não traz modelo padrão, então digite o identificador do modelo exatamente como o LM Studio mostra.
6. Clique em Salvar configurações.

O LM Studio é a escolha mais fácil se você prefere clicar a digitar comandos. O Ollama é mais leve e fica em segundo plano, sem janela.

Teste com uma gravação

Abra na sua biblioteca uma gravação que já tenha transcrição e clique em Gerar Resumo. Se tudo der certo, o título e o resumo aparecem quando o modelo termina, o que depende do seu hardware. Se o Autorec estiver em português, o prompt padrão já pede o título e o resumo em português, e o Whisper transcreve reuniões em português sem configuração extra. Quando estiver satisfeito, ative Resumir automaticamente após a transcrição para que cada nova gravação ganhe um resumo assim que for transcrita.

Escolhendo um modelo

Dois números importam: o tamanho do arquivo do modelo, que precisa caber na RAM (ou VRAM) com folga para o app de reunião e o Autorec, e a janela de contexto, que define quanto da transcrição ele consegue ler de uma vez.

Em outubro de 2026, estas são tags de ollama.com/library. Os tamanhos são os de download listados lá para a quantização padrão.

Sua RAM	Modelo	Tamanho do download
8 GB	qwen3.5:4b	cerca de 3,3 a 4 GB
16 GB	qwen3.5:9b ou gemma4:e4b	cerca de 6,6 a 7,6 GB
32 GB	gemma4:26b ou qwen3.5:27b	cerca de 16 a 20 GB

São pontos de partida tirados de uma lista de modelos, não resultados de benchmark. Para descobrir qual escreve o melhor resumo para você, rode suas próprias transcrições em dois deles. Se as suas reuniões são em português, compare também o português de cada um. As bibliotecas de modelos mudam rápido e esses nomes vão envelhecer. Confira a página da biblioteca antes de baixar.

• 8 GB é apertado. Você pode estar com uma chamada, uma captura de tela, uma passada do Whisper e um modelo na mesma máquina. Um modelo de 4B funciona, mas espere resumos mais crus e feche os outros apps enquanto ele roda.
• Transcrição e resumo não precisam acontecer ao mesmo tempo. O Autorec transcreve primeiro e resume depois, então o modelo só precisa de memória quando a gravação já terminou.
• Uma GPU ajuda muito. Só na CPU, um modelo de 9B dá para usar, mas é lento. Uma transcrição de uma hora pode levar vários minutos.
• Modelos menores se perdem em entradas longas. Se um resumo ignora a segunda metade da reunião, teste um modelo maior antes de culpar o prompt.

Reuniões longas: aumente o contexto

Esta é a configuração que pega muita gente desprevenida. Uma reunião de uma hora rende cerca de 9.000 palavras de transcrição, algo como 12.000 tokens ou mais. Um modelo só lê o que cabe na janela de contexto dele.

A documentação do Ollama diz que o contexto padrão depende da sua VRAM: 4k tokens abaixo de 24 GiB, 32k entre 24 e 48 GiB, 256k a partir de 48 GiB. Ou seja, num notebook comum ou numa GPU intermediária, o padrão é 4.096 tokens, e uma transcrição longa não cabe: a transcrição, o prompt e a resposta precisam caber nessa janela. Talvez você nem veja um erro claro, só um resumo que cobre parte da reunião.

Para aumentar, defina OLLAMA_CONTEXT_LENGTH antes de o servidor subir:

OLLAMA_CONTEXT_LENGTH=32768 ollama serve

Se o Ollama roda como serviço, coloque a variável no ambiente do serviço. No Linux, isso é systemctl edit ollama.service com uma linha Environment="OLLAMA_CONTEXT_LENGTH=32768" em [Service], seguido de um restart. O app de desktop do Ollama também tem um controle deslizante de context length nas configurações. Depois, rode ollama ps enquanto um resumo está sendo gerado e confira a coluna CONTEXT para ver se o novo valor pegou.

A caixa Extra request fields (JSON) nas configurações de Resumo com IA do Autorec não resolve isso. O endpoint compatível com a OpenAI do Ollama não tem campo para o tamanho do contexto, e a documentação diz isso. A alternativa à variável de ambiente é um Modelfile com PARAMETER num_ctx 32768, criado com ollama create sob um novo nome de modelo, que você coloca no campo Modelo.

Um contexto maior custa memória. 32k tokens bastam para a maioria das reuniões de uma hora e são um bom primeiro chute. Se ollama ps mostrar o modelo dividido entre GPU e CPU, você pediu mais do que a sua VRAM comporta: diminua o valor ou use um modelo menor.

No LM Studio, o context length é uma configuração de carregamento de cada modelo. Você define ao carregar o modelo e pode salvar como padrão dele pelo ícone de engrenagem em My Models. Escolha um valor que cubra suas reuniões mais longas e fique de olho no uso de memória.

Confira também o Tamanho máximo do resumo (tokens) nas configurações de Resumo com IA do Autorec. Ele limita o tamanho da resposta, não da entrada. O texto de ajuda diz que 300 é um parágrafo curto e 1000 é aproximadamente uma página.

O que você tem no fim

A gravação é um .mp4 no seu disco. A transcrição sai do Whisper na sua CPU ou GPU. O resumo vem de um modelo rodando em localhost. Você não cria conta nenhuma, e nenhum fornecedor guarda cópia de nada. Se um cliente perguntar para onde foi a chamada dele, dá para responder numa frase. Para uma visão mais ampla da mesma ideia, veja transcrever reuniões localmente com o Whisper.

O preço é qualidade e velocidade. Um modelo de 9B num notebook não vai se igualar a um modelo de ponta numa API hospedada. Se essa diferença pesa, existem caminhos intermediários. Resumos por um endpoint hospedado na UE mantêm os dados sob o GDPR, e o OpenRouter dá acesso a modelos hospedados pagando só pelo que usar.

Depois que estiver funcionando, o próximo passo é o prompt. Editar o prompt do resumo é o caminho para receber decisões, itens de ação e responsáveis em vez de um apanhado genérico.

Solução de problemas

• Connection refused. O servidor não está rodando. No Ollama, confira ollama ps ou reinicie o serviço. No LM Studio, verifique se Start server está ativado.
• Model not found. O campo Modelo precisa bater exatamente com a tag ou o identificador, incluindo o sufixo de tamanho.
• Um resumo que ignora o fim da reunião. A janela de contexto está pequena demais. Aumente como descrito acima.