Imagination-Studio-by-keys-Wasserman: генератор видео — что умеет и что нужно для запуска

Imagination-Studio-by-keys-Wasserman — открытый генератор видео, который авторы описывают как «AI film studio» для Mac на Apple Silicon и NVIDIA DGX Spark. Инструмент построен на TensorFold и рассчитан на связку из планирования сцены, генерации изображений и создания видео со звуком. Отдельно в паспорте указана модель text-to-speech Fish Audio Drama 3 — она отвечает за озвучивание.

Что умеет

По описанию авторов, студия позволяет планировать фильм как съёмочная группа — через Slate workflow by Sam Wasserman. Внутри этого процесса генерируются изображения моделями Qwen-Image-2.1 и FLUX3-K, а затем создаётся видео с помощью MiniMax H3 или FastH3. Видео может идти со звуком и голосами Fish Audio Drama 3.

Запуск заявлен на TensorFold для двух платформ: Mac на Apple Silicon (Metal) и NVIDIA DGX Spark. В описании упомянуты LoRA и MLX, что указывает на работу с адаптерами моделей и использование Apple-стека машинного обучения.

Модель Drama 3 решает задачу text-to-speech. Веса занимают 38.6 ГБ, самый большой файл — 3.5 ГБ.

Что нужно для запуска

Код написан на Python и открыт под лицензией Apache-2.0. Репозиторий: github.com/drowzeys/Imagination-Studio-by-keys-Wasserman. Последнее изменение кода — 30 октября 2026 года, последний выпуск — v4.3.1.

Веса модели Drama 3 распространяются по Fish Audio Community License. Она разрешает исследования, некоммерческое использование и коммерческое применение при годовой выручке менее 500 000 долларов США. Хостинговые сервисы генерации речи требуют отдельной лицензии. Запрещено имитировать голоса без согласия, удалять водяные знаки и обучать другие генеративные модели речи. При распространении нужно приложить лицензию и указать авторство.

По описанию автора, для работы нужно 8.3 ГБ свободной видеопамяти — драйвер GPU берёт память из свободного пула. Для NVIDIA DGX Spark указано 128 ГБ unified memory, DGX OS с CUDA 13 и Docker; по словам автора, на этой конфигурации работает каждая функция.

Кому подойдёт

Инструмент рассчитан на тех, кто собирает видео из сгенерированных изображений и хочет сразу получить звук и речь. Связка Slate-планирования с генерацией кадров и видео подойдёт небольшим продакшн-командам и независимым авторам, которые работают на Mac с Apple Silicon или имеют доступ к DGX Spark.

Для пользователей без подходящего оборудования запуск будет ограничен: требования к памяти заметные, а поддержка заявлена только для двух платформ. Коммерческим сервисам с выручкой выше 500 000 долларов в год или хостингам генерации речи лицензия весов не подойдёт без отдельного соглашения.

Imagination-Studio-by-keys-Wasserman закрывает нишу локальной генерации видео со звуком на Apple Silicon и DGX Spark. Открытый код и конкретные лицензионные рамки делают его понятным для независимых авторов и небольших студий, которые готовы работать в пределах заявленных платформ.