开源 Sound / Vision：一台本地 GPU 从写歌到 MV 全流程搞定
LawrenceOfTheLabia · reddit · 2026-10-11
Reddit 用户开源了 Sound / Vision：一个自托管 Web 应用，跑在本地 Linux GPU 机器上，从一句话创意到成品歌曲、专辑封面再到 MV 一条龙完成。
功能
- 歌曲：用 YuE2、ACE-Step 1.5 或 MiniMax Music 3 在本地 ComfyUI 生成，支持批量出多版、翻唱、上传自己的音轨
- 分析：自动拆 stems、节拍、段落与逐词歌词时间轴
- 封面：本地模型（Krea 2、Qwen Image 2.1）生成，统一排版署名与 logo
- 视频：动态封面、按歌曲真实时序写代码的 motion graphics、用 MiniMax H3 做对口型的叙事 MV
- 分享：自动剪出适配 TikTok/Reels/Shorts 的字幕短视频
- Influence Engine：从你选的歌训练「声音风格」引导 YuE2
架构与限制
- FastAPI + systemd 用户服务，ComfyUI 与分析工具跑 Docker，局域网免密、外部设备 token 配对
- 也可接入 Ollama 本地 LLM 或用自己的订阅登录 Claude/ChatGPT/Grok，无需 API key；支持加 MCP 服务器调用托管模型或 ElevenLabs Music
- 需要 24–32 GB 显存的 NVIDIA GPU（作者用 5090 开发）、约 200 GB 磁盘，首次安装约 1 小时
- YuE2 许可证禁止商用，MiniMax H3 排除美欧韩等地使用
- MIT 许可，README 从裸 Ubuntu 写起
「编程与Agent」频道最新
- Every 发布 Slack 内 Agent：@ 一下派活，纠正一次它就学会 — every · 2026-10-11
- 开发者用Opus 5.5加Three.js做出SpaceX猛禽3引擎交互3D模型 — techartist_ · 2026-10-11
- 开发者把SteveCAD MCP服务器接入自研工程agent Wright — burhop · 2026-10-11
- 零融资零广告，GPT Researcher 开源项目突破 3 万星 — EdenEmarco177 · 2026-10-11
- shadcn 自述:为组件打磨数周抽象,AI 尚未加速设计只能加速试错 — shadcn · 2026-10-11
- 7 周生产级 Agentic RAG 免费课程开源,GitHub 已收获 9.7k 星 — mdancho84 · 2026-10-11