# 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