Spaces:
Running
Download MASTERPLAN.md from 2Btainment/2b-studio: direct link, hf CLI and curl.
- Browser
- Download file 16.7 kB
-
https://huggingface.co/spaces/2Btainment/2b-studio/resolve/main/MASTERPLAN.md
- Command line
-
hf download hf://spaces/2Btainment/2b-studio/MASTERPLAN.md
-
curl -L -o MASTERPLAN.md https://huggingface.co/spaces/2Btainment/2b-studio/resolve/main/MASTERPLAN.md
A newer version of the Gradio SDK is available: 6.32.0
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 |
Sehr gutes Create-UI (Simple/Studio), Streaming-Player, LLM-Composer, ZeroGPU | Kein 2B-Branding, kein Multi-Modell, kein Mastering, kein Session-Switch |
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.
┌──────────────────────────────────────────────────────────────┐
│ [ 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:
- Waveform-Player — immer oben, groß. Darunter die Transportleiste: Download, Stop, Play, Pause, optional Trim/Kürzung.
- Master-Pfeil — orange, rechts neben dem Transport. Wechselt die Ebene, nimmt den aktuellen Track mit.
- 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. - 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)
- Feineinstellungen — schmale Box links unten (Dauer, Seed, Guidance, Studio-Caption, modellspezifisch). Default zugeklappt/klein, nicht die Hauptfläche.
- KI-Musikproducer-Agent + Prompt-Spezialist — große Chatfläche in der Mitte unten, UserInput + Senden. Füllt die drei Felder oben.
- 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 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:
- Dieselbe Waveform/Transport-Zeile wie Create (Track kommt mit über den orangen Pfeil, oder Upload).
- Eine schlichte Master-Arbeitsfläche (Quelle, wenige 2B/ONUS-Regler, Download) — räumlich ähnlich, inhaltlich eigen.
- Unten derselbe integrierte Agent-Chat wie auf Create, nur als Mastering-Agent. Darüber wird der Track im Gespräch bearbeitet und gemastert.
- 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):
- Agent gibt Prompts nur aus (Copy / „Übernehmen“)
- Agent schreibt Felder direkt
- Agent darf Jobs starten (mit sichtbarem Confirm)
Kein verstecktes Autopilot-Generate im MVP.
4. Zielarchitektur
┌─────────────────────────────┐
│ 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.
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
„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
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
6.1 Prompt-Agent (Create)
Aufgabe: aus Alltagssprache perfekte Modell-Inputs bauen.
Ausgabe immer strukturiert:
{
"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, Profilpremium_clarity. Strict wäre falsch. Übernehmen?
7. Deployment — Empfehlung
Details: 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
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:
/2b-studio/musik/bekommt CTA Studio öffnen → Hub-Space oder später/2b-studio/app/- iFrame-Variante zuerst (schnell, isoliert, HF-Queue sichtbar)
- Native Shell später: Website-UI, API gegen Orchestrator
- 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
| 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:
- Idee eintippen oder dem Agenten sagen
- Generate
- Hören
- Auf Master schalten
- Ein Profil wählen oder dem Agenten sagen „streaming-tauglich“
- WAV mitnehmen
Wenn dafür ein Handbuch nötig ist, ist die UI falsch.
13. Offene Entscheidungen (vor Code)
- Öffentlicher Space unter
2Btainment/2b-studiooder zuerst privat? - Darf ONUS jemals Audio auf HF zwischenspeichern (TTL 1 h) oder strikt VPS/lokal?
- Agent-LLM: HF Router (wie MiniMax) oder eigenes kleines Modell?
- Soll 2baudio zum echten GPU-Worker gehärtet oder durch einen neuen MusicGen-Space ersetzt werden?
- Markenname der App: 2B-Studio (Website-konsistent) oder 2Btainment Studio?
14. Lesereihenfolge für die Umsetzung
- Dieser Masterplan
docs/02-ux-ui.md+assets/wireframes.mddocs/03-architektur.mddocs/07-deployment.mddocs/09-roadmap.mdPhase 1 als erstes Build-Ticket