2026/11/5

免费的 Maestro v4 可接入 ComfyUI 和 AI 智能体

软件

Blaine Brown（@blizaine）在 X 上发帖宣布 Maestro 第四个版本发布。这是他的本地 AI 工作室，把视频、图像、音乐和剪辑集中在一个应用里。作者称，v4 新增了完整的 MCP 服务器、ComfyUI 集成以及对 Pika H3 Flex 模型的支持，而工具本身免费提供。

对于用生成式片段拼片子的人来说，这次更新最重要的是与其他工具的打通。从新功能列表看，现在可以把 Maestro 接到已经配置好的 ComfyUI 上，并通过 MCP 协议把一部分控制权交给外部 AI 智能体。帖子本身没有细节，作者承诺会在后续的推文里补上，但这两项功能的说明已经写在项目仓库里。

“Maestro 是免费提供的、最直观、最强大的本地开放式创意 AI 工作室。”Blaine Brown 这样描述自己的项目。

这是作者本人的评价。随公告一起，他展示了一段用 Maestro v4 制作的、以 VisionQuest 和 Avengers Doomsday 为主题的视频。

这个工作室能做什么

从 GitHub 上的 Maestro 仓库看，项目一键安装，本地模型在用户自己的电脑上运行。外部 AI 服务和远程访问则按需接入。底层是 WanGP 流程。应用分为三个部分：

Director 根据一首歌或一个故事构建音乐视频或短片的方案。它准备角色参考和关键帧，生成片段并把结果拼起来。在 Auto 模式下，制作从头跑到尾；在 Manual 模式下，每个阶段都可以检查。方案、提示词和各条素材都保存在同一个项目面板里，因此可以逐个打磨单个镜头。
Studio 负责按文本和参考生成视频。在这里还可以让视频动起来、延长、混合和修改。工作室可以创建和编辑图像、音乐、语音、克隆嗓音和音效。提到的模型有 MiniMax H3、LTX、Flux、Qwen、MOSS 和 Fish Audio，并且有任务队列。项目针对 LTX-2.5 和 MiniMax H3 做了优化。
Editor 是非破坏性的多轨剪辑台，具备裁剪、转场、速度、音量和画布设置。Director 完成的成片会进入这里，而某个镜头可以退回去重新生成。

按照 2026 年 11 月 4 日 4.0.0 版本的说明，剪辑台得到了扩展：新增了可检查且支持撤销的自动剪辑方案、绿幕抠像，以及带透明通道的 ProRes 4444 MOV 导出。动态字幕可以直接在 Studio 或 Editor 里用文字描述。

ComfyUI 与 AI 智能体

按照仓库的说明，ComfyUI 集成可以使用已经配置好的模型文件夹，导入并校验 ComfyUI 的 API 工作流图，并把 Studio 和 Director 中受支持的请求转发到现有的 ComfyUI 服务器。该功能是可选的，默认关闭，不会自动启用或安装任何东西。ComfyUI 本身及其自定义节点需要单独安装和维护。

内置的 MCP 服务器让兼容的智能体了解工作室能做什么、按所选模型撰写提示词、使用已保存的角色和参考、向 Studio 和 Director 发送任务并管理项目。智能体也可以自带音乐视频方案，而歌曲分析由 Maestro 自己完成。既可以在同一台电脑上本地连接，也可以通过 Tailscale 从另一台机器带授权连接；给智能体的权限在设定的范围内发放。

六步而不是五十步

另一项显眼的新功能是对 Pika H3 Flex 的支持。在 Maestro v4 中它被标为实验性：支持按帧和按参考生成、考虑原始音频，以及五个分辨率档位，其中包括实验性的 1080p。根据 ComfyUI 的文档，Pika H3 Flex 是 MiniMax H3 的微调版本。生成器从 50 步蒸馏到了六步。该模型以两个 LoRA 适配器的形式提供，叠加在基础的 MiniMax H3 之上，因此不需要新的架构。1344×768 的五秒片段在单张显卡上大约一分钟算完。不做蒸馏的 H3 需要 20 到 50 步。

对镜头剪辑来说，ComfyUI 文档里描述的模型其他特性同样重要：

对白、音效和音乐与画面在同一次推理中以立体声生成；
单次生成最多可以输入 12 个参考：最多 9 张图像、3 段视频（包括运动参考）和 3 段带人声样本的音频；
剪切点、镜头运动和台词写在同一条提示词里，也就是说模型能处理多镜头的调度；
两个适配器的权重都是公开的。

适配器按 MiniMax H3 Community License Agreement 分发。文档建议在把成果投入商业工作之前，先研究其条款，包括地域限制和商业使用。

目前还缺什么

帖子里没有说明 Maestro 自身的许可，仓库则让人去看各个模型的许可。打算把生成内容用于商业项目的工作室，必须单独核对 Maestro、WanGP 流程以及每一个接入模型的条款。作者没有给出显卡和内存的具体最低要求。仓库里描述了 Auto-Tune 功能，它会根据显卡、显存容量和内存来挑选初始设置，而量化和内存卸载应当能在性能较弱的 GPU 上提供帮助。

作为对比，可以看看 Comfy-Org 另外做的 MCP 服务器。通过它，Claude Code、Claude Desktop、Cursor 等智能体可以运行本地 ComfyUI 的工作流图、跟踪任务队列、把视频预览汇总成接触印样、检查安装了哪些节点和模型，以及对同一个图做变体。这是另一个产品，但它和 Maestro 一起大概反映了共同的方向：启动生成、挑选变体这类例行工作越来越可以交给智能体。按这个思路，Maestro 走得比工作流图更远——Director 里的分镜方案规划和项目管理也对智能体开放。

Maestro v4 的新功能中，哪一项对你更有用？