Kostenlose Maestro v4 verbindet sich mit ComfyUI und KI-Agenten

Soft

Blaine Brown (@blizaine) hat in seinem Beitrag auf X die Veröffentlichung der vierten Version von Maestro angekündigt. Das ist sein lokales KI-Studio, in dem Video, Bilder, Musik und Schnitt in einer Anwendung zusammengeführt sind. Laut dem Autor sind in v4 ein vollwertiger MCP-Server, eine ComfyUI-Integration und die Unterstützung des Modells Pika H3 Flex hinzugekommen, und das Werkzeug selbst ist kostenlos verfügbar.

Für alle, die Clips aus generativen Aufnahmen zusammensetzen, ist das Wichtigste am Update die Verbindung zu anderen Werkzeugen. Der Liste der Neuerungen nach lässt sich Maestro nun mit einem bereits eingerichteten ComfyUI verbinden und ein Teil der Steuerung über das MCP-Protokoll an einen externen KI-Agenten übergeben. Im Beitrag selbst finden sich keine Details, der Autor verspricht sie in der Fortsetzung des Threads, doch die Beschreibung beider Funktionen steht bereits im Repository des Projekts.

„Maestro ist das intuitivste, leistungsfähigste, lokale, offene kreative KI-Studio, das kostenlos verfügbar ist“, so beschrieb Blaine Brown sein Projekt.

Das ist die Einschätzung des Autors selbst. Zusammen mit der Ankündigung zeigte er ein Video zum Thema VisionQuest und Avengers Doomsday, das in Maestro v4 entstanden ist.

Was das Studio kann

Dem Maestro-Repository auf GitHub nach lässt sich das Projekt mit einem Klick installieren, und lokale Modelle laufen auf dem Rechner des Nutzers. Externe KI-Dienste und Fernzugriff werden nach Wunsch angebunden. Die Grundlage bildet die WanGP-Pipeline. Die Anwendung ist in drei Teile gegliedert:

Director erstellt aus einem Song oder einer Handlung einen Plan für ein Musikvideo oder einen Kurzfilm. Er bereitet Figurenreferenzen und Schlüsselbilder vor, generiert Clips und setzt das Ergebnis zusammen. Im Auto-Modus läuft die Produktion von Anfang bis Ende durch, im Manual-Modus lässt sich jede Etappe prüfen. Pläne, Prompts und Takes liegen in einem einzigen Projektfenster, sodass einzelne Shots nacheinander nachgearbeitet werden können.
Studio ist für die Videogenerierung nach Text und Referenzen zuständig. Hier lassen sich Videos auch animieren, verlängern, mischen und korrigieren. Das Studio erzeugt und bearbeitet Bilder, Musik, Sprache, geklonte Stimmen und Soundeffekte. Unter den Modellen werden MiniMax H3, LTX, Flux, Qwen, MOSS und Fish Audio genannt, es gibt eine Aufgabenwarteschlange. Das Projekt ist auf LTX-2.5 und MiniMax H3 optimiert.
Editor ist ein nicht destruktiver Mehrspur-Schnittplatz. Er bietet Beschnitt, Übergänge, Geschwindigkeit, Lautstärke und Canvas-Einstellungen. Hierher gelangt die fertige Inszenierung aus Director, und ein Shot kann zur Neugenerierung zurückgeschickt werden.

Laut der Beschreibung der Version 4.0.0 vom 4. November 2026 wurde der Schnittplatz erweitert: Es gibt nun prüfbare Pläne für den automatischen Schnitt mit Rückgängig-Funktion, Chroma Key und Export nach ProRes 4444 MOV mit Transparenz. Animierte Titel lassen sich direkt in Studio oder im Editor mit Worten beschreiben.

ComfyUI und KI-Agenten

Die ComfyUI-Integration erlaubt dem Repository nach, bereits eingerichtete Modellordner zu nutzen, ComfyUI-API-Graphen zu importieren und zu prüfen und unterstützte Anfragen von Studio und Director an einen bestehenden ComfyUI-Server zu leiten. Die Funktion ist optional und standardmäßig ausgeschaltet, nichts wird automatisch aktiviert oder installiert. ComfyUI selbst und seine Custom Nodes werden separat installiert und gewartet.

Der eingebaute MCP-Server lässt kompatible Agenten erfahren, was das Studio kann, Prompts unter Berücksichtigung des gewählten Modells schreiben, gespeicherte Figuren und Referenzen nutzen, Aufgaben an Studio und Director senden und Projekte verwalten. Ein Agent kann auch seinen eigenen Plan für ein Musikvideo mitbringen, die Analyse des Songs übernimmt Maestro selbst. Die Verbindung ist lokal auf demselben Rechner oder von einer anderen Maschine über Tailscale mit Autorisierung möglich; die Rechte werden dem Agenten in festgelegten Grenzen erteilt.

Sechs Schritte statt fünfzig

Eine weitere auffällige Neuerung ist die Unterstützung von Pika H3 Flex. In Maestro v4 ist sie als experimentell markiert: Generierung nach Frames und nach Referenzen, Berücksichtigung des Ausgangstons und fünf Auflösungsstufen, darunter ein experimentelles 1080p. Laut der ComfyUI-Dokumentation ist Pika H3 Flex eine nachtrainierte Version von MiniMax H3. Der Generator ist von 50 Schritten auf sechs destilliert. Das Modell kommt als zwei LoRA-Adapter auf dem Basismodell MiniMax H3, eine neue Architektur ist also nicht nötig. Ein fünfsekündiger Clip in 1344×768 wird auf einer einzelnen Grafikkarte in etwa einer Minute berechnet. Ohne Destillation braucht H3 20 bis 50 Schritte.

Für den Schnitt der Shots sind auch weitere in der ComfyUI-Dokumentation beschriebene Eigenschaften des Modells wichtig:

Dialoge, Effekte und Musik werden im selben Durchlauf wie das Bild in Stereo generiert;
pro Generierung lassen sich bis zu 12 Referenzen übergeben: bis zu 9 Bilder, 3 Videos, darunter eine Bewegungsreferenz, und 3 Audioclips mit Stimmproben;
Schnitte, Kamerabewegung und Dialogzeilen werden in einem einzigen Prompt beschrieben, das Modell beherrscht also Inszenierungen über mehrere Shots;
die Gewichte beider Adapter sind offen.

Die Adapter werden unter dem MiniMax H3 Community License Agreement verbreitet. Die Dokumentation empfiehlt, dessen Bedingungen zu studieren, einschließlich territorialer Einschränkungen und kommerzieller Nutzung, bevor das Ergebnis in die kommerzielle Arbeit geht.

Was noch fehlt

Die Lizenz von Maestro selbst wird im Beitrag nicht genannt, und das Repository verweist auf die Lizenzen der einzelnen Modelle. Ein Studio, das das Generierte in kommerziellen Projekten einsetzen will, muss die Bedingungen von Maestro, der WanGP-Pipeline und jedes angebundenen Modells separat prüfen. Konkrete Mindestanforderungen an Grafikkarte und Speicher hat der Autor nicht genannt. Im Repository ist eine Auto-Tune-Funktion beschrieben, die Startwerte anhand von Grafikkarte, Videospeicher und Arbeitsspeicher wählt, und Quantisierung sowie Auslagerung in den Speicher sollen auf schwachen GPUs helfen.

Zum Vergleich lohnt ein Blick auf den separaten MCP-Server von Comfy-Org. Über ihn starten Claude Code, Claude Desktop, Cursor und andere Agenten Graphen eines lokalen ComfyUI, verfolgen die Aufgabenwarteschlange, fassen Video-Vorschauen zu einem Kontaktbogen zusammen, prüfen, welche Nodes und Modelle installiert sind, und erzeugen Varianten eines Graphen. Das ist ein anderes Produkt, doch zusammen mit Maestro spiegelt es wohl eine gemeinsame Richtung: Routine wie das Starten von Generierungen und das Durchprobieren von Varianten lässt sich immer häufiger einem Agenten übertragen. Maestro geht in dieser Logik über den Graphen hinaus — dem Agenten stehen die Inszenierungsplanung in Director und die Arbeit mit Projekten offen.

Welche der Neuerungen von Maestro v4 wäre für Sie nützlicher?