Imagination-Studio-by-keys-Wasserman：视频生成器——功能与运行要求

Imagination-Studio-by-keys-Wasserman 是一款开源视频生成器，作者将其描述为面向 Apple Silicon Mac 和 NVIDIA DGX Spark 的「AI film studio」。该工具基于 TensorFold 构建，面向由场景规划、图像生成和带声音的视频创作组成的流程。参数表中还单独列出了 text-to-speech 模型 Fish Audio Drama 3——它负责配音。

功能

据作者描述，该工作室可以像摄制组一样规划影片——通过 Sam Wasserman 的 Slate workflow。在这一流程中，先用 Qwen-Image-2.1 和 FLUX3-K 模型生成图像，然后借助 MiniMax H3 或 FastH3 创建视频。视频可以带声音和 Fish Audio Drama 3 的语音。

启动方面，声明支持 TensorFold 上的两个平台：Apple Silicon 的 Mac（Metal）和 NVIDIA DGX Spark。描述中提到了 LoRA 和 MLX，这表明它支持模型适配器，并使用 Apple 的机器学习技术栈。

Drama 3 模型承担 text-to-speech 任务。模型权重占用 38.6 GB，最大的文件为 3.5 GB。

运行要求

代码使用 Python 编写，以 Apache-2.0 许可证开源。仓库：github.com/drowzeys/Imagination-Studio-by-keys-Wasserman。代码最后修改于 2026 年 10 月 30 日，最新版本为 v4.3.1。

Drama 3 的模型权重按 Fish Audio Community License 分发。该许可证允许研究、非商业使用，以及年营收低于 500 000 美元时的商业应用。托管式语音生成服务需要单独许可证。禁止未经同意模仿他人声音、移除水印，以及用其训练其他生成式语音模型。分发时须附上许可证并注明作者。

据作者描述，运行需要 8.3 GB 空闲显存——GPU 驱动会从空闲池中占用内存。对于 NVIDIA DGX Spark，标注为 128 GB unified memory、带 CUDA 13 的 DGX OS 以及 Docker；据作者所说，在此配置下所有功能均可运行。

适用人群

该工具面向那些用生成的图像拼接视频、并希望直接获得声音和语音的用户。Slate 规划与帧、视频生成的组合适合小型制作团队和独立创作者，他们使用 Apple Silicon 的 Mac 或能访问 DGX Spark。

对于没有合适硬件的用户，运行会受到限制：内存要求相当高，且仅声明支持两个平台。年营收高于 500 000 美元的商业服务或语音生成托管服务，若无单独协议，则不适用于该权重许可证。

Imagination-Studio-by-keys-Wasserman 填补了在 Apple Silicon 和 DGX Spark 上本地生成带声音视频这一细分领域。开源代码和明确的许可框架，使其对愿意在声明平台范围内工作的独立创作者和小型工作室而言清晰易懂。