File size: 16,703 Bytes
b3eaf35
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
# 2B-Studio — Kompletter Masterplan

**Version:** 0.1 · Konzept  
**Datum:** 2026-08-23  
**Klassifizierung:** Planungsartefakt, keine Implementierung  
**Auftrag:** MiniMax + 2B Audio + freie Modelle + ONUS-Mastering in einer super einfachen App, Agent unten, Website/HF/VPS als Zieloptionen.

---

## 1. Auftrag in einem Satz

Ein **2B-Studio**, in dem ein Mensch in Alltagssprache ein Lied beschreibt, der Agent die Promptfelder füllt, man in **einer Modelauswahl** MiniMax oder jedes 2baudio-/Free-Modell wählt, den Track erzeugt, über den orangen Pfeil auf die Master-Ebene wechselt und ihn dort vor allem **im Agent-Chat** mastern kann — alles in einer Session, später auf der Website.

## 2. Warum nicht einfach die Spaces zusammenkleben

| Asset | Was es heute ist | Was es nicht ist |
|---|---|---|
| [`MiniMaxAI/MiniMax-Music3`](https://huggingface.co/spaces/MiniMaxAI/MiniMax-Music3) | Sehr gutes Create-UI (Simple/Studio), Streaming-Player, LLM-Composer, ZeroGPU | Kein 2B-Branding, kein Multi-Modell, kein Mastering, kein Session-Switch |
| [`2Btainment/2baudio`](https://huggingface.co/spaces/2Btainment/2baudio) | MusicGen-Worker mit Job-API, Profilen, Lyrics-Parser | Kein Endnutzer-Studio, `FORCE_CPU=True`, Dummy-Fallback |
| Website `/2b-studio/musik/` | Marketing-Pipeline Gen→Edit→Mix→Master→Format→Release | Keine App, Status „Pilotphase“ |
| ONUS | Lokale Analyze/Purity/Master/Report-Engine, auditierbar | Kein Web-UI, Proprietary, Audio soll lokal bleiben |

Ein Fork von MiniMaxs 96-kB-`app.py` plus ONUS plus MusicGen in einem Prozess wäre unwartbar und auf FreeGPU physikalisch zu groß.

**Leitentscheidung:** Eine eigene **2B-Studio-Shell** orchestriert Engines über Adapter. MiniMax bleibt Create-Engine. 2baudio bleibt (zuerst) MusicGen-Worker. ONUS bleibt Master-Engine.

## 3. Produkterlebnis

Zwei Ebenen, ein Track, ein Chat. **Create-Layout ist die Excalidraw-Skizze** (2026-08-24), nicht ein MiniMax-Klon.

```text
┌──────────────────────────────────────────────────────────────┐
│                    [ WAVEFORM / PLAYER ]                     │
│         ⬇  ⏹  ▶  ⏸  −          ──────── Master →            │
│                    [ Modelauswahl ▾ ]                        │
│                                                              │
│  [Genre/Style/Instr.] [Lyrics] [Neg.]        │ Bibliothek  │ │
│  [Feineinstellungen]  [ KI-Musikproducer-    │ Dateien     │ │
│                       | Agent + Prompt-      │             │ │
│                       | Spezialist Chat      │             │ │
│                       | UserInput         → ]│             │ │
└──────────────────────────────────────────────────────────────┘
```

Der Agent sitzt **unten in der Mitte** und schießt Prompts **nach oben** in die drei Felder (grüne Pfeile in der Skizze).

### 3.1 Create-Ebene (exakt die Skizze)

Von oben nach unten, von links nach rechts:

1. **Waveform-Player** — immer oben, groß. Darunter die Transportleiste: Download, Stop, Play, Pause, optional Trim/Kürzung.
2. **Master-Pfeil** — orange, rechts neben dem Transport. Wechselt die Ebene, nimmt den aktuellen Track mit.
3. **Modelauswahl** — **ein** Dropdown unter dem Player. Darin stehen MiniMax **und** alle Modelle/Backends von `2baudio` (MusicGen small/medium/large, YuE, Stable Audio, …) plus weitere freie Engines, sobald sie laufen. Keine zweite Modell-UI, keine drei Produkt-Tabs.
4. **Drei Promptfelder in einer Reihe**
   - **Genre / Style / Instrumente** — der eigentliche Musik-Prompt
   - **Lyrics** — optional, Sektions-Tags erlaubt
   - **Neg.** — Negative Prompt / Ausschlüsse
   - jedes Feld hat ein kleines Übernehmen-/Laden-Icon (Agent oder Bibliothek)
5. **Feineinstellungen** — schmale Box links unten (Dauer, Seed, Guidance, Studio-Caption, modellspezifisch). Default zugeklappt/klein, nicht die Hauptfläche.
6. **KI-Musikproducer-Agent + Prompt-Spezialist** — große Chatfläche in der Mitte unten, UserInput + Senden. Füllt die drei Felder oben.
7. **Bibliothek / Dateien** — rechte Spalte: Session-Takes, Uploads, Masters, Residual.

Es gibt **kein** separates Riesen-„Idee“-Feld. Die Idee lebt im Chat. Die drei blauen Felder sind das, was das Modell wirklich bekommt.

MiniMax-Studiofelder (Global Metadata, Vocal Details, Arrangement) liegen in **Feineinstellungen**, nicht als Default-UI.

### 3.2 Master-Ebene (nur grobes Layout, plus Agent)

[audiomaster.ai/master](https://audiomaster.ai/master) ist **keine Feature-Vorlage**. Nur der ungefähre Aufbau: große Hörfläche oben, darunter Arbeitsfläche, klarer Export. Keine Stem-Regler, kein AudioMaster-Klon, kein deren Modell.

Was 2B-Master wirklich ist:

1. Dieselbe Waveform/Transport-Zeile wie Create (Track kommt mit über den orangen Pfeil, oder Upload).
2. Eine schlichte Master-Arbeitsfläche (Quelle, wenige 2B/ONUS-Regler, Download) — räumlich ähnlich, inhaltlich eigen.
3. **Unten derselbe integrierte Agent-Chat** wie auf Create, nur als Mastering-Agent. Darüber wird der Track im Gespräch bearbeitet und gemastert.
4. Bibliothek rechts bleibt.

ONUS bleibt die Engine hinter den Reglern und dem Agenten, nicht die Optik.

### 3.3 Agent-Dock (unten, immer da)

Zwei Persönlichkeiten, ein Dock. Die Ebene wechselt die Rolle.

| Ebene | Agent | Darf zuerst | Darf später |
|---|---|---|---|
| Create | Prompt-Agent | Prompts **ausgeben** und auf Wunsch **in Felder schreiben** | Generate anstoßen |
| Master | ONUS-/Master-Agent | Analyse erklären, Parameter vorschlagen | Purity/Master ausführen |

**Entwicklungsreihenfolge (vom Auftrag bestätigt):**

1. Agent gibt Prompts nur aus (Copy / „Übernehmen“)
2. Agent schreibt Felder direkt
3. Agent darf Jobs starten (mit sichtbarem Confirm)

Kein verstecktes Autopilot-Generate im MVP.

## 4. Zielarchitektur

```text
                    ┌─────────────────────────────┐
                    │     2B-Studio Shell (UI)    │
                    │  Create · Master · Agent    │
                    └──────────────┬──────────────┘
                                   │ Session-Bus
                    ┌──────────────▼──────────────┐
                    │     Studio Orchestrator     │
                    │  jobs · tracks · actions    │
                    └──────┬───────────┬──────────┘
           ┌───────────────┼───────────┼───────────────┐
           ▼               ▼           ▼               ▼
    MiniMax Adapter  2B-Audio Adapter  Free-Model    ONUS Adapter
    Music 3 Worker   MusicGen Worker   Adapters      analyze/purity/master
           │               │           │               │
           └───────────────┴───────────┴───────────────┘
                         Session Store
                    (Track, Prompts, Reports)
```

### 4.1 Warum Adapter

Jedes Modell hat andere Inputs:

- MiniMax braucht **Structured Caption** (global / vocal / arrangement) + getaggte Lyrics
- MusicGen braucht einen **flachen Prompt** plus negative terms
- Stable Audio Open braucht Prompt + Dauer + ggf. negatives
- ONUS braucht eine **WAV-Datei** und ein Profil, keinen Prompt

Die Shell kennt nur ein internes **Intent-Objekt**. Adapter übersetzen.

### 4.2 Session ist die Wahrheit

Ein Browser-Tab = eine Session.

```text
Session
  id, created_at, locale
  create:
    genre_style_instruments, lyrics, negative
    duration_s, model_id, studio_fields?
    last_job_id
  master:
    source_track_id, profile, purity_mode, intensity
    last_report
  tracks[]:
    id, role (draft|clean|master|residual), wav, metrics
  chat[]:
    role, text, proposed_actions[]
```

Schema: [`schemas/session.schema.json`](./schemas/session.schema.json)

„Rüberschalten“ kopiert den aktuellen Draft-Track als Master-Quelle. Create bleibt erhalten. Man kann zurück und neu generieren, ohne den Master zu verlieren.

## 5. Modelle — eine Liste, MiniMax ist nur ein Eintrag

Ja: **alles in der einen Modelauswahl aus der Zeichnung.** MiniMax ist kein Extra-Studio, sondern eine Zeile neben MusicGen, YuE, Stable Audio und den übrigen freien Engines.

`2baudio` hat das Muster schon: Felder `backend` + `model` + `profile` (MusicGen small/medium/large, `yuegp`, `yue-interface`, `stable-audio-3`, `manual`). Das Dropdown ist genau diese Liste, erweitert um MiniMax Music 3 und weitere freie Modelle, sobald ein Adapter steht.

### 5.1 Einträge in der Modelauswahl (Startset)

| Eintrag in der Liste | Kommt von | Hinweis hinter der Kulisse |
|---|---|---|
| MiniMax Music 3 | neu | eigener GPU-Worker, zu groß für den MusicGen-Prozess |
| MusicGen Small / Medium / Large | `2baudio` | bestehender Worker |
| YuE / YuE Interface | `2baudio` Backend-Hints | erst listen, wenn der Worker wirklich antwortet |
| Stable Audio 3 | `2baudio` Backend-Hint | wie oben |
| weitere Free (Open, ACE-Step, AudioLDM2, …) | Registry | sobald Adapter + Lizenz klar |

Der User sieht **eine flache Auswahlliste**. Keine Tabs „MiniMax | 2B | Free“.

Der Agent darf ein Modell vorschlagen und ins Dropdown schreiben. Der User kann jedes Modell trotzdem fest wählen.

Registry: [`schemas/model-registry.yaml`](./schemas/model-registry.yaml)

### 5.2 Warum trotzdem Adapter (nicht sichtbar)

Ein Dropdown ≠ ein Prozess. MiniMax füllt eine ZeroGPU allein. MusicGen/YuE laufen über `2baudio`. Die Shell schickt denselben Intent (Genre/Style/Instr. + Lyrics + Neg. + Dauer) an den Adapter des gewählten Eintrags. Das ist Technik, keine zweite UI.

### 5.3 Physikalische Grenze FreeGPU

MiniMax Music 3 lädt Language Model + DiT + Vocoder + AoTI-Kernels. Das ist **ein** ZeroGPU-Prozess.

Deshalb **nicht**:

- MiniMax + MusicGen + ACE-Step in einer Space-Runtime
- ONUS-GPU-Modelle zusätzlich auf dieselbe Karte

Deshalb **ja**:

- **Hub-Space** (UI, Agent, Session) auf CPU oder leichtem GPU
- **Worker-Spaces** pro schwerer Engine
- ONUS auf **CPU** (librosa/numpy) — lokal oder VPS, nicht auf der MiniMax-GPU

Das ist die einzige ehrliche FreeGPU-Strategie.

## 6. Agenten

Details: [`docs/05-agenten.md`](./docs/05-agenten.md)

### 6.1 Prompt-Agent (Create)

Aufgabe: aus Alltagssprache **perfekte Modell-Inputs** bauen.

Ausgabe immer strukturiert:

```json
{
  "model_id": "minimax-music3",
  "genre_style_instruments": "dark riddim, 140 bpm, male vocal, analog bass",
  "lyrics": "[verse]\n...",
  "negative": "muddy low end, harsh sibilance",
  "duration_s": 60,
  "studio": {
    "global_metadata": "...",
    "vocal_details": "...",
    "arrangement": "..."
  },
  "musicgen_prompt": "flat prompt for 2B Audio"
}
```

MiniMax-Contract kommt 1:1 aus dem offiziellen Composer (BPM, Key, Emotional Progression, Vocal Gender, Instrument Lifecycle, nur erlaubte Lyric-Tags).  
MusicGen-Contract kommt aus dem bestehenden `build_prompt()` in 2baudio.

MVP: JSON im Chat zeigen + Button **Felder übernehmen**.  
Kein stilles Überschreiben ohne Sichtbarkeit.

### 6.2 Master-Agent (ONUS)

Aufgabe: hören/messen erklären und Parameter setzen, **nicht** Musik wegschleifen.

Gesetze (aus ONUS-Skill, unverhandelbar):

- Original nie überschreiben
- Default `soft_keep_air`, HPSS-Margin 2.0
- Strict nur bei nachgewiesenem KI-Matsch
- Air, Hall, Wärme, Töne bleiben
- Report + Human Approval vor „Release“-Label

Beispiel-Dialog:

> User: „klingt matschig oben, aber nicht tot machen“  
> Agent: Analyse zeigt ANTI-SUNO 4.2 → soft_keep_air −24 dB, Profil `premium_clarity`. Strict wäre falsch. Übernehmen?

## 7. Deployment — Empfehlung

Details: [`docs/07-deployment.md`](./docs/07-deployment.md)

| Ziel | Wofür gut | Wofür schlecht |
|---|---|---|
| **HF ZeroGPU** | MiniMax- und MusicGen-Worker, öffentliche Demo | Multi-Modell, persistente Sessions, ONUS-Audio-Policy |
| **Website** | Brand, Login später, Einbettung, 2Bfy-Anschluss | Keine GPU |
| **VPS** | Session-Store, ONUS, Agent, Orchestrator | GPU teuer; MiniMax dort nur mit eigener Karte |

### Empfohlene Staffelung

```text
Phase 1  HF Hub-Space (UI+Agent, CPU) + MiniMax-Worker (ZeroGPU) + 2baudio-Worker
Phase 2  Website /2b-studio/app/ bettet Hub per iFrame, gleicher Look
Phase 3  VPS übernimmt Session + ONUS + Agent; GPU-Jobs bleiben auf HF
Phase 4  Optional eigene GPU, wenn Queue/Kosten das erzwingen
```

**Nicht** Phase 1: alles auf einem VPS ohne GPU. MiniMax wäre dort tot.  
**Nicht** Phase 1: ONUS-Audio auf öffentlichen HF-Disks ohne Löschkonzept.

FreeGPU bleibt der Generator. Die Website bleibt die Bühne. Der VPS wird das Gedächtnis.

## 8. Website-Integration

Heute existiert bereits:

- Nav-Punkt **2B-Studio**
- Stationen: Grafik & Film, KI-Experte, Chatroom, **Musikstudio**
- Musikstudio beschreibt exakt diese Pipeline, ist aber Platzhalter

Plan:

1. `/2b-studio/musik/` bekommt CTA **Studio öffnen** → Hub-Space oder später `/2b-studio/app/`
2. iFrame-Variante zuerst (schnell, isoliert, HF-Queue sichtbar)
3. Native Shell später: Website-UI, API gegen Orchestrator
4. 2Bfy bleibt Release-Endpunkt (Phase 3+), nicht MVP

Look: bestehende 2B-Tokens (Syne / Space Grotesk, Amber `#ffb02e`, dunkle Flächen). Kein Hugging-Face-Citrus als Endzustand.

## 9. Was bewusst nicht im MVP ist

- Stem-Separation und Multitrack-DAW
- MIDI / ALS / FLP Export
- Voice-Clone
- Kommerzielle Closed-Modelle ohne klare Lizenz
- Autopilot, der Songs ohne Confirm rendert
- ONUS-Strict als Default
- Gleichzeitiges Laden aller Modelle
- Öffentliche persistente User-Library ohne Auth

## 10. Risiken und Gegenmittel

| Risiko | Gegenmittel |
|---|---|
| MiniMax-Lizenz / Rebranding | Wrapper, keine Gewichtskopie ohne Prüfung; Attribution |
| ZeroGPU-Queue / Cold Start | Kleine Modelle als Draft; Status ehrlich zeigen |
| 2baudio FORCE_CPU + Dummy-WAV | Worker härten, bevor UI ihn als „2B Audio“ verkauft |
| ONUS Proprietary + „Audio bleibt lokal“ | Master zuerst lokal/VPS; HF nur mit Opt-in und TTL-Löschung |
| Agent halluziniert MiniMax-Caption | Schema-Validierung, Retry, Fallback „Studio-Tab selbst füllen“ |
| Ein 2000-Zeilen-Gradio-Monolith | Shell dünn, Adapter dünn, MiniMax-Code nicht forken |
| Kosten LLM-Composer | Kleines Modell / HF Router; Offline-Templates als Fallback |

## 11. Phasen (Kurz)

Voll: [`docs/09-roadmap.md`](./docs/09-roadmap.md)

| Phase | Ergebnis | Host |
|---|---|---|
| **0 · Plan** | dieses Repo, Freigabe | — |
| **1 · Create-MVP** | Einfache UI + MiniMax-Worker + Agent gibt Prompts aus | HF |
| **2 · Multi-Engine** | 2B Audio + 1 Free-Modell, Agent schreibt Felder | HF Workers |
| **3 · Master-MVP** | Grobes Master-Layout + Agent-Chat, ONUS dahinter | VPS + HF |
| **4 · Website** | iFrame in `/2b-studio/musik/`, Brand-Shell | Website |
| **5 · Gesprächs-Master** | Agent steuert ONUS mit Confirm | VPS |
| **6 · Release-Pfad** | Export-Presets, optional 2Bfy | Website |

## 12. Erfolgskriterien

Ein ungeschulter Artist kann in **unter 90 Sekunden** verstehen:

1. Idee eintippen oder dem Agenten sagen
2. Generate
3. Hören
4. Auf Master schalten
5. Ein Profil wählen oder dem Agenten sagen „streaming-tauglich“
6. WAV mitnehmen

Wenn dafür ein Handbuch nötig ist, ist die UI falsch.

## 13. Offene Entscheidungen (vor Code)

1. Öffentlicher Space unter `2Btainment/2b-studio` oder zuerst privat?
2. Darf ONUS jemals Audio auf HF zwischenspeichern (TTL 1 h) oder strikt VPS/lokal?
3. Agent-LLM: HF Router (wie MiniMax) oder eigenes kleines Modell?
4. Soll 2baudio zum echten GPU-Worker gehärtet oder durch einen neuen MusicGen-Space ersetzt werden?
5. Markenname der App: **2B-Studio** (Website-konsistent) oder **2Btainment Studio**?

## 14. Lesereihenfolge für die Umsetzung

1. Dieser Masterplan
2. [`docs/02-ux-ui.md`](./docs/02-ux-ui.md) + [`assets/wireframes.md`](./assets/wireframes.md)
3. [`docs/03-architektur.md`](./docs/03-architektur.md)
4. [`docs/07-deployment.md`](./docs/07-deployment.md)
5. [`docs/09-roadmap.md`](./docs/09-roadmap.md) Phase 1 als erstes Build-Ticket