Wenn es um ein Gespräch geht, das in einer Gruppe geführt wird, kannst du das mit einer Kamera grundsätzlich nicht so einfangen, dass man sich das dann später gern bei Youtube anguckt. Da geht dann nur eine Totale und mit einer Kameraperspektive kann man auch nicht wirklich schneiden. Diese Marotte, mitten im Satz zu schneiden und dann plötzlich woanders zu stehen, sieht auch nur deshalb "gut" aus, weil es in der Regel immer nur um eine Person und einen relativ kleinen Bildausschnitt geht. Außerdem sind diese Schnitte inzwischen oft geplant.
Wenn du also ein ordentliches Ergebnis willst, läuft nichts unter zwei Kameras + Ton + Licht. Falls es nicht um ordentliche Ergebnisse geht, dann könnt ihr einfach irgendein Handy, oder was ihr zur Verfügung habt, einfach drauf halten und alle XY Minuten die Aufnahme neu starten bzw. die Karte wechseln. Außer bei Überwachungssystemen ist es ja auch nicht üblich, einfach auf Verdacht aufzunehmen. Baut einfach was permanent auf oder so, dass man schnell starten kann und nehmt dann halt auf, wenn jemand im Raum ist.
Für den Ton wäre ein Fieldrekorder vernünftig, der mittig im Geschehen platziert wird. Da reicht wahrscheinlich ein günstiges Gerät wie das Zoom H1, wobei vier Mikrofonkapseln wie beim H2 (5 beim H2n) besser wären, um von allen Seiten brauchbaren Ton aufzunhemen.