Maestro

Maestro 是一款面向创作者的本地化AI视频、图像、音频一体化工作室，核心创新在于导演模式——通过本地LLM（默认Gemma 4 4B）从单个提示词或音频轨道自动规划音乐视频/短片的全流程：分析节拍/剧本→结构化镜头分解→逐模型提示词优化→多片段生成→合成。支持MiniMax H3（含原生同步音频）、LTX-2.3、Flux 2、Wan系列等开放权重模型，内置CivitAI LoRA浏览器与AI生成的LoRA使用指南。首次启动自动检测硬件配置并调优性能参数，提供OOM恢复、实时下载状态等用户体验优化。v1.6.1新增H3 Turbo模式（6步推理+LoRA强度0.7起），v1.6.0扩展H3 Omni参考与Full 33B支持，强化角色连续性与内存效率。所有功能本地运行，NSFW内容需显式启用。

核心能力架构：导演模式 vs 工作室模式的双轨设计

Maestro 通过两种交互范式覆盖从自动化到精细控制的全光谱需求：

导演模式（旗舰功能）

• 输入灵活性：音频轨道（音乐视频）或文本故事（短片）
• 三遍优化流水线：
  1. 剧本创作（高创造性LLM请求）
  2. 镜头JSON分解（结构化输出优化）
  3. 逐模型提示词润色（注入LoRA指南+模型特定约束）
• 音乐视频专属：BPM/段落能量分析→重拍同步镜头；说话人分离+命名→多歌手/角色对齐
• 短片专属：命名角色+对话连贯性；节奏滑块控制剪辑频率
• 双操作模式：自动模式端到端执行；手动模式每步可审查编辑
• 仪表板追溯：历史运行状态可视化，单片段重跑无需全量重建

工作室模式（完全手动）

• 模型全覆盖：视频（H3/LTX/Wan/Hunyuan）、图像（Flux/Krea/Qwen）、音频（TTS/音乐/音效）
• 高级生成技术：
  • 多片段滑动窗口（任意长度+无缝过渡）
  • 帧注入（KFI）保角色连续性
  • 视频混合模式（AI融合重叠视频）
  • 后处理（空间上采样/胶片颗粒/编解码器选择）
• 编辑工具集：Retake（局部重生成）、Edit Anything（元素增删改）、Outpaint（画面扩展）、Repaint（SCAIL-2运动保留重绘）、Recast（多角色映射）

v1.6.x关键更新：MiniMax H3深度集成与性能突破

近期版本聚焦H3生态的完整性与可用性：

H3专项优化细节

• 提示词智能：模糊请求（如“两人讨论”）扩展为时长匹配的有意义对话；用户对话原样保留，剩余时间分配静默动作防胡言乱语
• 内存安全：激活分块+显式工作内存预留+MMGP dtype锁定，消费级GPU可流式运行
• 连续性保障：Recast隐藏身份预卷条件；长视频续接移除重叠保音频对齐；纵向比例不再强制16:9
• 可靠性提升：中断作业显式标记；不相容模型/音频组合预拒绝；回归测试覆盖量化/调度/音频等关键环节

部署体验与本地化设计哲学

零配置启动

• 首次运行自动检测GPU/显存/内存→选择配置文件/量化/VAE分块/安全系数
• LLM自动下载llama-server（~600MB）+所选GGUF模型（默认Gemma 4 4B）
• CUDA可用时LLM自动绑定GPU；空闲60秒自动卸载释放显存
• OOM时横幅建议降低余量，一键应用

LoRA管理革新

• CivitAI浏览器内搜索/筛选/一键安装
• AI生成LoRA提示指南（基于CivitAI+HF仓库），含功能说明+示例+推荐权重
• 更新检测+我的LoRA视图+多LoRA包自动解压
• 权重滑块直接显示推荐范围（来自sidecars/HF/启发式）

安全与包容性

• NSFW模式选择加入+免责声明；门控无审查模型/LoRA/服务开关
• 实验性功能默认隐藏（外部API/VoiceRef/Inpaint等），减少新手干扰
• 三主题家族（Golden Hour/Classic/Onyx）×深色/浅色/自动外观

工作区隔离

• 多输出目录+侧边栏快速切换
• 固定/收藏按工作区独立跟踪
• 适用客户项目/NSFW-SFW/实验分离

使用边界与实操建议

适用场景

• ✅ 音乐视频/短片批量生产（导演模式）
• ✅ 角色一致性长视频（KFI+滑动窗口）
• ✅ LoRA探索与微调（AI指南+权重推荐）
• ✅ 消费级GPU本地创作（自动调优+内存安全）

已知局限

• ❌ 导演模式依赖本地LLM质量；Gemma 4 4B在复杂剧本可能需手动修正
• ❌ H3 Omni Maximum Detail模式需高内存系统；消费级GPU请用Match Output
• ❌ 外部API提供商仍为实验性；生产环境建议本地LLM
• ❌ NSFW内容生成风险自担；门控机制非绝对过滤

最佳实践

• 首次使用先跑导演自动模式熟悉流水线，再切手动微调
• H3生成优先用Prompt Enhance；保留原始提示词时禁用增强
• 多LoRA叠加时参考AI指南权重；超出推荐范围需A/B测试
• 长视频生成前验证显存余量；OOM横幅出现立即调整
• 定期点击LoRA更新检查；过时LoRA可能兼容新版模型