Phasyn Studio 專案解析:在自己 GPU 上開工的自架 AI 電影工作室

1 分鐘閱讀時長

發布時間:

Phasyn Studio 專案解析:在自己 GPU 上開工的自架 AI 電影工作室

鏡頭工作區

Phasyn Studio(phasyn/phasyn-studio,Apache-2.0)的一句話自述:

AI filmmaking on your own GPUs — a self-hosted studio that generates short videos with sound and still images.

這專案昨天(2026-11-17)才公開,目前 31 顆星(GitHub API 當日驗證)、0 個開放議題——是一個可以從第一天開始追蹤的新芽。它和「線上 AI 影片服務」的差異在於:影片生成、圖片生成、剪輯、匯出全部跑在你自己的電腦上,介面有繁體中文、英文、日文三語。

官方網站:phasyn.dev。

可以做什麼:一條完整的短片產線

Phasyn 的抽象單位是鏡頭(shot),整條工作流就是film製作流程的縮影:

  1. 鏡頭工作區:用文字描述一個鏡頭,生成幾個 take,從中挑一個。
  2. Take 比較:同一鏡頭的兩個 take 並排比較後再定案。
  3. 自帶素材當參考:用自己的圖片、影片片段、聲音作為生成條件(reference)。
  4. 圖片工作室:文生圖、圖生圖,為鏡頭做畫面與修改。
  5. 剪輯工作區:像剪輯軟體一樣,在時間軸上排鏡頭、修剪、加聲音。
  6. 包裝與出品:加轉場、文字、字幕、音樂,匯出成影片檔。

Take 比較

生成端由兩個模型-runtime 撐起:MiniMax-H3 負責影片(含聲音)、Qwen-Image 2.1 負責圖片,另有 captioner(影像理解)與放大器(upscale)元件。權重一律由使用者自行下載,repo 不含任何模型。

架構:Controller+Node,天生多機

  • Controller:網頁介面與 API(開 http://127.0.0.1:8080)。
  • Node:每台有 GPU 的機器跑一個,負責在該機執行元件(components)。
  • 也就是「單機一條龍、多機可分散」:Controller 一台、GPU 機器各一台 Node,權重與顯卡分派由部署計畫決定。

程式面是 pnpm+uv 雙工作區:apps/frontend、packages/(controller、node、server、media、components、editor-kernel、cli)為 TypeScript;runtimes/(h3、qimg、captioner)為 Python 3.12 的 GPU 環境,每個環境的套件鎖死(pinned),文件明文禁止 uv lock --upgrade 擅自升級。範例區有 pipelines、components、generate_dit_components.py 與 studio-plugins(含深度分層 depth-staging 外掛範例)。

安裝:先給你看計畫,才動手

install.sh 的設計是這專案最有性格的部分:

git clone https://github.com/phasyn/phasyn-studio.git
cd phasyn-studio
./install.sh --dry-run    # 只列出計畫,不裝不寫不啟動
./install.sh              # 同意計畫後安裝並啟動全部服務

計畫會列出:你的每張 GPU 誰是主機(影片與圖片模型)、誰是副機(音訊、影像視覺、放大器);video / image / vision / upscale 四條路線群各自啟用與否及原因;每個元件落在哪張卡;還缺哪些權重、多大、各自的授權;磁碟與記憶體警告。安裝器從不自己用 sudo——需要 root 的動作全部印出來讓你自己跑。

硬體需求(先量尺寸再入場)

項目需求
作業系統Linux(x86_64;aarch64 限統一記憶體 GPU 機器)
GPUNVIDIA,驅動 R580+(CUDA 13.0)。x86_64 離散卡 sm86–sm120;aarch64 sm121(DGX Spark GB10)
實測過RTX 3060、RTX 5080、DGX Spark(GB10);RTX 30/40/50 系列「應該可用但未測」
模型空間影片約 200 GB、圖片 31 GB、影像視覺 8 GB
主機記憶體FP8 DiT 常駐約 31 GiB、全預算約 46 GiB;無 FP8 的卡再加約 20 GiB
精度FP8 需 compute capability 8.9+;INT8 需 nvcc+ninja;BF16 全支援
工具鏈uv、Node 22.22+/pnpm 12、Python 3.12、FFmpeg+ffprobe

無 GPU 只剩介面。這是一台「吃顯示卡吃磁碟」的重裝備。

授權地雷區(README 用整節寫這個,請認真讀)

  • 軟體本身 Apache-2.0;名稱與標誌不在授權內。
  • MiniMax-H3(影片模型):Community License 明文不得在歐盟、英國、韓國、美國使用或展示,模型做出的影片也受同樣的地域限制,且不得用於訓練其他 AI 模型。
  • Qwen-Image 2.1(圖片模型):Qwen Research License,研究與評測用途(非商業)。
  • 使用自帶素材前確認權利;不得把 AI 生成內容冒充真實或冒充他人。
  • 示範角色為社群同人創作,僅作非商業示範。

對照使用者所在地的授權合規完全在自己手上——專案把地雷逐條標好,是難得的誠實作風。

AI 代理安裝守則:agent-first 的另一個亮點

docs/agent-install.md 是一頁寫給 Claude Code/Codex 看的安裝指南,規則設計得非常克制,值得抄作業:

  • 所有命令走 --json,stdout 只有 JSON、進度走 stderr——給機器讀的契約。
  • 永不代使用者接受授權:安裝器列出的每個模型授權要展示、要詢問。
  • 永不動自己沒啟動的東西:端口、systemd 單位被別人佔用時只提議解法,不殺行程。
  • 讀狀態只用 phasyn-studio status --json(純 GET);install/up 有副作用,不可「為了看看而重跑」。
  • 不擅自改模板、不升級鎖死的 GPU 環境、不編造設定。

適用場景

  • 要把 AI 短片產線留在自己機器上的創作者/工作室:素材不出網、模型選擇與排程自己管,代價是 200GB 級磁碟與高階顯示卡。
  • 多 GPU 機器分散部署:Controller+Node 架構讓渲染節點可以一台台加。
  • AI 代理操作本地工具鏈的研究與實務:install plan、JSON CLI、授權守則是一個教科書級的「agent-usable 系統」設計。
  • 不適用:手邊沒有 NVIDIA 大顯存機器的人;目標市場落在歐盟/英/韓/美的影片商業產出(MiniMax-H3 授權封死了輸出展示的地域)。

觀察

  1. 公開第一天就有完整三語 README、安裝計畫器、代理安裝守則與授權逐條披露——工程紀律遠超星數顯示的水位。
  2. 它填的生態位很清楚:ComfyUI 系是「節點圖生成工具」,Runway/Sora 系是「線上服務」,Phasyn 是自架的『生成+剪輯+匯出』成片產線——時間軸與 take 管理是它區別於生成工具的關鍵詞。
  3. 追踪前先看兩件事:模型授權的地域限制是否影響你的用途,以及硬體門檻(FP8 需 CC 8.9+)對你機隊適配與否。專案極新(0 issues 代表流量還未進來),生產採用建議先蹲幾週 release。

剪輯工作區

圖片工作室

方法說明

資料來源:GitHub 倉庫 之 README(英/繁中/日)、INSTALL.md、docs/install.md、docs/agent-install.md、packages 與 runtimes 自述、NOTICE 與 THIRD_PARTY_NOTICES;星數、建立時間與授權以 GitHub API 於 2026-11-17 驗證(建立於当日 09:42 UTC,公開不到一天);配圖下載自官方 docs/images 並存於本站 /assets/images/phasyn-studio/。