MiniMax H3 Studio — 一站式 MiniMax H3 视频生成工作站：模型市场（多源测速+断点续传）、多芯片自动检测（NVIDIA/AMD ROCm/华为昇腾）、显存自动管理、DIY 打包校验、Windows 11 玻璃拟态 UI / One-stop local workstation for MiniMax H3 video generation
10
stars
13
commits
Python
primary language
Sep 6, 2026
updated
ai-video
comfyui
diffsynth
local-inference
minimax-h3
text-to-video
video-generation
windows-11
README
Kevrai Omni
一站式本地 AI 工作站：LLM · 多模态大模型 · TTS · MiniMax-Music3 音乐生成 · LTX-2.5 视频生成 · 图像生成 · 超分辨率 · 音频生成 · 3D 生成 · 🤖 Kevrai Agent 智能助手 One-stop local AI workstation: LLM, multimodal LLM, TTS, MiniMax-Music3 music gen, LTX-2.5 video gen, image gen, super-resolution, audio gen, 3D gen, 🤖 Kevrai Agent assistant.
一个安装包 · 桌面快捷方式 · 引擎按需下载 · 模型从 huggingface.co 一键拉取 · 支持本地导入 · 全部开源
🎬 宣传视频 (52秒)
点击播放 docs/kevrai-omni-promo.mp4。视频涵盖：模型市场、硬件检测、MiniMax-Music3 音乐生成、LTX-2.5 视频生成、Kevrai Agent 智能助手、本地隐私。
✨ v2.7.0 更新亮点（Kevrai Agent 通用 AI 助手）
| 功能 | 说明 |
|---|---|
| 🤖 Kevrai Agent 通用 AI 助手 | 新增侧边栏「AI Agent」标签页：基于 ReAct 循环（Thought→Action→Observation，最多 12 步）的本地 Agent，用自然语言管理模型——硬件检测、模型搜索、智能推荐、下载规划、文本生成；11 个内置工具包装现有 catalog/hardware/download/engine 子系统 |
| 🧠 双模式推理 | 加载 MNN LLM 模型时进入完整 ReAct 推理模式（多步规划+工具调用）；未加载模型时自动回退 deterministic rule-based 模式（硬件查询→check_hardware、搜索查询→search_models、默认→引导加载模型），零依赖可用 |
| 💾 SQLite 持久记忆 | 会话历史、消息、用户偏好、任务历史存于 APP_ROOT/agent/memory.sqlite3；支持多会话切换、历史消息加载、偏好键值存储 |
| 🌐 完整 REST + WebSocket API | 9 个 HTTP 端点（/api/agent/status、/tools、/chat、/sessions、/sessions/{id}/messages、/preferences）+ 1 个 WebSocket（/ws/agent/{session_id} 实时流式 step 事件）；与现有 /v1/* OpenAI 兼容端点并存，可供 OpenClaw 等外部 Agent 框架直接调用 Kevrai 本地模型 |
| 🎨 前端对话面板 | 聊天式 UI：消息气泡、工具调用标签、思考状态指示、会话下拉切换、新建会话、Enter 发送/Shift+Enter 换行；暗色主题适配，响应式布局 |
| 🏗️ 架构借鉴 OpenClaw，定制为本地模型管理 | 学习 OpenClaw 2.0（MIT，2026-09-01 发布）的 Gateway+Runtime 分离、本地持久记忆、可插拔工具、模型无关路由设计；不完全照抄——Agent 运行在 Python sidecar 内，工具直接包装 Kevrai 现有子系统，无需额外网关进程 |
| 🧪 测试加固 | 新增 test_v270_agent.py（48 项）：ToolRegistry 8 + parse/extract 5 + AgentMemory 10 + ModelRouter 2 + CatalogTools 6 + SystemTools 6 + RuleBased 6 + ReAct 8（含 MockModelRouter 测试完整循环）；全量 420 passed |
✨ v2.6.0 更新亮点（MiniMax-Music3 接入 + 新模型 + 全目录核验）
| 新特性 / 修复 | 说明 |
|---|---|
| 🎵 MiniMax-Music3 全家桶接入并逐条核验 | 官方全精度 MiniMaxAI/MiniMax-Music3（8B Global LLM + 0.6B Local LLM + 2.4B Flow Matching + 123M Flow-VAE，32kHz 立体声、单首最长 5 分钟）、ComfyUI 官方重打包、GGUF 量化、Turbo-FP8、W4A8、风格 LoRA、Latent Refiner、MLX 共 8 个条目；配套 sglang-omni 引擎与专用 ComfyUI 节点；许可核实为 MiniMax-Music3 Community License（署名 + 2000 万美元营收门槛） |
| 🆕 新增 13 个 2026 年 5 月后开放权重的高质量模型 | LLM：Granite 4.2 8B/30B、MiniMax M3、Meta Muse Glimmer 30B、DeepSeek-V4-Flash-Vision、GLM-5.3（由「待开源」转正）、Liquid LFM2.5-VL-3B；TTS：MOSS-TTS v1.5、dots.tts-soar；音频：Stable Audio 3 Medium、Google Magenta Realtime 2、MOSS-SoundEffect v2；图像：Krea 2 Turbo。全部经 HuggingFace API 实查存在性、许可、体积、发布时间后入库 |
| 📌 修正 14 处错误/失效仓库 slug | DeepSeek-V4-Pro、Qwen3.8-Max→Qwen3.8-2.4T-A95B、Qwen3.8-27B 转正官方权重、TRELLIS.2→TRELLIS.2-4B、HunyuanImage-3.0→小写 tencent/、SeedVR2→-3B、Direct3D-S2→wushuang98/DreamTechAI、TripoSR/TripoSG→VAST-AI-Research、chatterbox/IndexTTS/Kokoro 引擎地址、bartowski Mistral GGUF、ACE-Step 1.5、dots3-note、MAGI-2、LingBot 等 |
| 🗑️ 移除虚构条目 | meta-llama/Llama-4-Multilingual 在官方模型列表中并不存在（Llama 4 仅 Scout/Maverick），已移除，避免重蹈「幽灵仓库」覆辙 |
| 🧪 测试加固 | 新增 test_v260_catalog.py（49 项）：锁定全部修正 slug、新模型字段完整性、Music3 架构事实、引擎地址与目录不变量；全量 372 passed |
✨ v2.5.0 更新亮点（环境随选下载）
| 新特性 | 说明 |
|---|---|
| 🐍 Python 环境软件内一键安装 | 没装 Python 的 Windows 机器不再报错退出：进入「环境准备」页，一键下载 Python 3.12.7 embeddable（约 11MB，国内镜像三级回退）→ 解压到用户数据目录 → 装 pip → 装运行依赖 → 自动进主界面。安装包依旧小巧，环境与引擎一样随选下载 |
| 🩺 启动诊断增强 | 有 Python 但缺依赖（ModuleNotFoundError）同样进引导页一键补装；stderr 尾部采集辅助定位 |
| 🔒 不污染系统 | 托管 Python 装在用户数据目录，不写注册表、不需要管理员权限 |
✨ v2.4.2 更新亮点（质量与修复）
| 修复 / 优化 | 说明 |
|---|---|
| 🩹 设置保存崩溃修复 | PUT /api/settings 引用不存在的 max_concurrent 属性导致保存必 500（v2.4.1 起），已修复 |
| 🔑 HF Token 下发修复 | SettingsUpdate 补回 hf_token 字段：gated 模型（LTX-2.5）Token 配置链路端到端打通，并有 HTTP 级回归测试 |
| 🐛 converter NameError 修复 | sys_executable() 缺 import sys，调用即崩，已修复 |
| 🧹 负面提示词清零 | 按用户偏好：LTX 生成不再内置负面提示词默认值，界面文本框留空（字段保留可选） |
| 🧪 死代码清理 | 20+ 处未用导入、xxhash 无效可选导入、多余 global、弃用 utcnow 全部清理，警告 25 → 0 |
| 📄 INSTALL.md 重写 | 安装包 + 快捷方式 + 按需下载 + gated 指引，替换过期的 v2.2.0 便携包说法 |
✨ v2.4.1 更新亮点（修复优化版）
| 修复 / 优化 | 说明 |
|---|---|
| 📌 目录事实修正 | 修正不存在的 MiniMaxAI/Hailuo-H3 仓库（改为 Comfy-Org/MiniMax-H3 官方重打包 + MiniMaxAI/MiniMax-H3 官方权重双条目）；MiniMax 2K 进展更新至 2026-08-07 官方 AMA 承诺；LTX-2.5 显存门槛修正为官方最低 16GB、许可修正为 LTX-2.x Community License；Qwen3.8-27B 标注社区微调（JonathanColetti）身份与真实仓库 |
| 🔐 gated 仓库下载 | LTX-2.5 等受控访问仓库：设置页新增 HuggingFace Token（仅存本机），下载自动附加 Bearer 认证；未配置时返回明确中文指引（需先在 HF 仓库页接受许可协议） |
| 🔄 引擎更新检测 | 引擎面板新增「检查引擎更新」：查询 GitHub 最新 release，已装引擎显示版本号，发现新版出现徽章并可一键更新；6 小时缓存避免频繁请求 |
| 🏷️ 命名统一 | 产品名统一为 Kevrai Omni，与仓库名 kevrai-omni 一致（安装包、快捷方式、窗口标题同步更新） |
| 🧭 新手引导 | 首次启动显示「三步上手」引导：装引擎 → 下模型 → 输提示词 |
| ⚠️ LTX 预设规范 | 低于官方最低 16GB 显存的预设全部标注「实验」，选择时显示提示 |
✨ v2.4.0 更新亮点
| 新特性 | 说明 |
|---|---|
| 🎥 LTX-2.5 视频生成运行时 | 内置 Lightricks LTX-2.5 世界模型推理管线：文生视频 / 图生视频，5 档显存预设（4GB–24GB+），进度条、可取消、任务历史、结果画廊，输出 MP4/GIF |
| 🔍 超级搜索引擎 | 字段加权模糊匹配（名称/ID/标签/引擎/仓库/描述）、拼写纠错（编辑距离 ≤2）、中文 bigram 分词、搜索结果高亮、分面筛选（引擎/许可/体积）、5 种排序、最近搜索、"你是不是要找"建议、键盘导航（/ 聚焦、↑↓ 选择） |
| ⚡ 性能优化 | HTTP 响应 GZip 压缩、搜索语料内存缓存、/api/models 支持排序与仓库字段检索、disk_usage 首跑路径不存在时的健壮回退 |
| 📦 目录扩充 | 110 个模型条目（全部补齐 tags 与 modality 标注）、30 个引擎（新增 ltx-video 引擎） |
| 🧪 测试加固 | 新增 94 个测试（搜索 34 + LTX 运行时 32 + v2.4 API 26），含正则注入、XSS、空字节、超长输入、路径穿越等极端用例；全套 323 passed / 0 failed |
与早期版本的区别
| 维度 | 早期版本 | 本版（Kevrai Omni v2.4.0） |
|---|---|---|
| 安装形态 | 单 Python 项目 | Electron 桌面应用 + Windows NSIS .exe 安装包 |
| 视频生成 | 仅目录条目 | LTX-2.5 一键生成面板（参数可调、进度、取消、画廊） |
| 搜索 | 名称/描述子串匹配 | 加权模糊搜索：纠错、中文分词、高亮、分面、排序、历史 |
| 引擎 | 硬编码 diffusers | 引擎市场（按需下载）：llama.cpp、MNN、vLLM、ONNX Runtime、ComfyUI、LTX-Video、TTS/3D 引擎等 30 个 |
| 模型来源 | 视频生成为主 | 121 模型 · 9 大类，带 tags 与 modality 标注 |
| 安装包大小 | （含模型） | 安装包保持最小，引擎与模型首次使用时下载到 AppData/KevraiOmni/ |
| 桌面快捷方式 | 无 | 自动创建桌面 + 开始菜单快捷方式 |
| GGUF 量化 | 无 | GGUF 全量化浏览：仓库内全部 .gguf 文件单独下载 |
| 本地导入 | 无 | 文件夹/文件一键导入，支持拖拽 |
| 测试 | 无 | pytest 323 项 + JS 语法冒烟 + 极端输入测试 |
快速开始
Windows 用户（普通用户）
- 从 Releases 下载
Kevrai-Omni-Setup-2.4.1.exe - 双击安装 → 桌面出现 Kevrai Omni 快捷方式
- 启动后 → "AI 引擎"标签 → 安装需要的引擎（如
llama.cpp） - "模型市场" → 顶部搜索框支持模糊/中文搜索，选模型 → 安装
- 🎥 "LTX-2.5 视频"标签 → 输入提示词 → 选显存预设 → 开始生成
- 首次使用需安装推理引擎：
pip install torch diffusers transformers accelerate imageio imageio-ffmpeg
- 首次使用需安装推理引擎：
- "本地模型" → 一键导入你的
model.gguf/ safetensors
开发者
git clone https://github.com/Bullobis/kevrai-omni.git
cd kevrai-studio
npm install
pip install -r python/requirements.txt
npm run dev # 启动 Electron 开发模式
# 测试
npm run test:python # Python pytest（303 项）
npm run test:js # JS 语法检查
bash scripts/smoke.sh # 端到端冒烟
# 打包 Windows 安装包
npm run build:win # 产物在 dist/
🎥 LTX-2.5 视频生成
侧边栏点击 "LTX-2.5 视频" 打开生成面板：
- 双模式：文生视频（T2V）/ 图生视频（I2V，需参考图）
- 5 档显存预设：极致质量(24GB+) / 高质量(16GB) / 平衡(12GB) / 速度(8GB) / 草稿(4GB)
- 完整参数控制：宽高（自动对齐 32）、帧数（自动对齐 8k+1）、步数、CFG、种子（🎲 随机）、FPS、输出格式（MP4/GIF）
- 显存优化：VAE 切片、模型 CPU offload 开关
- 任务管理：实时进度条、步计数、用时、一键取消、最近 10 条任务历史
- 结果画廊：生成完成自动刷新，内联播放，一键打开输出目录
API（sidecar）：
GET /api/ltx/capabilities # 能力描述 + 引擎就绪状态
POST /api/ltx/generate # 提交生成任务
GET /api/ltx/tasks # 任务列表 + 当前任务
GET /api/ltx/tasks/{id} # 单任务状态
POST /api/ltx/tasks/{id}/cancel # 取消任务
GET /api/ltx/outputs # 已生成文件列表
🔍 超级搜索
模型市场顶部工具栏：
- 输入即搜（180ms 防抖），支持拼写纠错（
kokro→ Kokoro）、中文（视频/语音）、多 token 跨字段 AND（wan video） - 命中关键词在卡片标题/描述中高亮
- 分面筛选：引擎、体积区间，一键切换
- 排序：相关度 / 热门 / 名称 / 体积大小
- 最近搜索历史（可清除）+ 零结果时的"你是不是要找"建议
按 / 键快速聚焦搜索框，↑↓选择，Enter打开，Esc清除
API：GET /api/search?q=&category=&engine=&license=&size_bucket=&trending=&sort=&page=&page_size=
项目结构
kevrai-studio/
├── electron/ # Electron 主进程 + preload
│ ├── main.js # 窗口、spawn Python sidecar、IPC 桥（含 v2.4 搜索/LTX 通道）
│ └── preload.js # contextBridge（sandbox=true，入参校验）
├── renderer/ # 渲染层
│ ├── index.html # 含 LTX-2.5 生成面板
│ ├── app.js # 模块装配
│ ├── styles.css # 含搜索下拉/分面/LTX 面板样式
│ └── modules/
│ ├── search.js # ★ 超级搜索 UI（v2.4）
│ ├── ltx.js # ★ LTX-2.5 生成面板（v2.4）
│ ├── models.js # 虚拟滚动网格 + 搜索高亮
│ └── ...
├── python/ # Python sidecar（FastAPI）
│ ├── app/
│ │ ├── main.py # HTTP 控制面（+ /api/search、/api/ltx/*、GZip）
│ │ ├── search.py # ★ 加权模糊搜索引擎（v2.4）
│ │ ├── ltx_runtime.py # ★ LTX-2.5 推理任务管理（v2.4）
│ │ ├── catalog.py # 模型/引擎目录
│ │ ├── engines.py # 引擎管理器
│ │ ├── importer.py # HF 下载（断点续传）+ 本地导入
│ │ └── ...
│ └── tests/ # pytest（372 项）
├── catalog/ # 静态目录（随安装包发行）
│ ├── models.json # 121 模型（带 tags/modality）
│ └── engines.json # 30 引擎（含 ltx-video、sglang-omni）
├── scripts/
│ ├── build_windows.sh # 打 Windows .exe
│ └── release.sh # gh release create
├── electron-builder.yml # NSIS 配置
└── package.json # v2.6.0
模型市场（catalog/models.json · 121 条目）
按 9 大类组织，指向 huggingface.co 官方或正规社区量化仓库；每个条目均经 HuggingFace/GitHub API 实查核验：
| 类别 | 代表条目 |
|---|---|
| LLM（多模态 + 纯文本） | Qwen3/3.5/3.6/3.8 全系、DeepSeek-V4 Pro/Flash/Flash-Vision、GLM-5/5.2/5.3、Kimi K2.6/K3、MiniMax M3、Granite 4.2 8B/30B、Meta Muse Glimmer 30B、LFM2.5-VL-3B、Mistral、Gemma、GPT-OSS |
| TTS | CosyVoice 2/3、Fish Speech 1.5、F5-TTS、Spark-TTS、Kokoro 82M、Chatterbox、IndexTTS、GPT-SoVITS、MOSS-TTS v1.5、dots.tts-soar |
| 视频生成 | LTX-2.5 / LTX-2.3、MiniMax-H3、Wan 2.2、HunyuanVideo、CogVideoX、Open-Sora 2.0、Step-Video、MAGI-2、LingBot-Video |
| 图像生成 | FLUX.1/FLUX.2、SDXL-Turbo、SD3.5、Kolors、Krea 2 Turbo、HunyuanImage 3.0、ControlNet |
| 超分辨率 | Real-ESRGAN、APISR、SUPIR、4x-UltraSharp、SeedVR2-3B/7B |
| 音频/音乐生成 | MiniMax-Music3 全家桶（8 条目）、Stable Audio 3、Magenta Realtime 2、MOSS-SoundEffect v2、Stable Audio Open、MusicGen、AudioLDM 2、DiffRhythm、ACE-Step 1.5 |
| 3D 生成 | Hunyuan3D 2.1、TRELLIS / TRELLIS.2-4B、TripoSR、TripoSG、Direct3D-S2、PartCrafter |
| 视觉/多模态工具 | CLIP ViT-L、InsightFace、YOLOv10 |
| 待官方开源 | MiniMax Hailuo 2K、Wan 3.0、HappyShrimp、GLM-5-Code（占位，官方仓库出现后转正） |
外加动态 GGUF 仓库浏览，每次启动从 huggingface.co 拉取文件树，列出全部 .gguf 文件单独下载。
引擎市场（catalog/engines.json · 30 个引擎）
| 类别 | 引擎 |
|---|---|
| LLM | llama.cpp · vLLM |
| 通用轻量 | MNN · ONNX Runtime |
| 扩散模型 | Diffusers · ComfyUI · LTX-Video Engine (LTX-2.5) |
| TTS | Kokoro · Fish Speech · F5-TTS · CosyVoice · Spark-TTS · Chatterbox · IndexTTS |
| 3D | Hunyuan3D · TRELLIS · TripoSR · TripoSG · Direct3D-S2 · PartCrafter |
| 视觉 | InsightFace |
安装包本身不打包这些引擎——首次使用某类模型时弹窗提示，或在 "AI 引擎" 标签手动预装。
安全说明
- 模型下载走 HTTPS，引擎安装走 HTTPS；Electron 侧启用
contextIsolation、sandbox，preload 对所有 IPC 入参做类型/长度/枚举校验。 - 引擎 ZIP 下载有主机白名单（GitHub / pypi / 正规镜像）；模型仓库 URL 做格式校验。
- 自 v2.2.0 起，镜像采用"建议白名单 + 用户可在设置中自行增删"的模式，不再维护全局硬黑名单；用户对自己添加的源负责。
- 路径类参数（model_id、task_id）统一通过正则白名单校验，阻断路径穿越。
测试 & 发布
# Python 测试（303 项，含极端输入）
npm run test:python
# JS 语法冒烟
npm run test:js
# 打 Windows .exe（在 Windows 机器上）
npm run build:win
# 发布到 GitHub Releases
export GITHUB_TOKEN=<你的 PAT>
export REPO=Bullobis/kevrai-omni
bash scripts/release.sh
License
Kevrai Omni itself (source code, documentation, and build artifacts) is licensed under the Kevrai Omni Community License v1.0 — a source-available license, full text in English.
Source code is public and free for non-commercial use, modification, and distribution. Commercial use is permitted but requires prior written Commercial Authorization from the Licensor. Derivative works must be distributed under the same license. To apply for commercial authorization, contact: 2671369836@qq.com. The Licensor expressly reserves the right to issue cease-and-desist / lawyer's letters (律师函) and pursue legal remedies for unauthorized commercial use.
Third-party models, engines, and weights (listed in catalog/models.json) are each governed by their own upstream licenses (Apache-2.0, Llama-3, OpenRAIL, Tencent Hunyuan Community, LTX-Open, MusicGen CC BY-NC 4.0, MiniMax-Music3 Community License, etc.), independent of this project's own license. See NOTICE.md and LICENSE for details.
Contributors
Bullobis
13 commits
Similar repos
Languages
Python
65.0%
JavaScript
24.7%
CSS
4.9%
Shell
2.9%
HTML
2.6%
MiniMax H3 Studio — 一站式 MiniMax H3 视频生成工作站：模型市场（多源测速+断点续传）、多芯片自动检测（NVIDIA/AMD ROCm/华为昇腾）、显存自动管理、DIY 打包校验、Windows 11 玻璃拟态 UI / One-stop local workstation for MiniMax H3 video generation
10
stars
13
commits
Python
primary language
Sep 6, 2026
updated
ai-video
comfyui
diffsynth
local-inference
minimax-h3
text-to-video
video-generation
windows-11
README
Kevrai Omni
一站式本地 AI 工作站：LLM · 多模态大模型 · TTS · MiniMax-Music3 音乐生成 · LTX-2.5 视频生成 · 图像生成 · 超分辨率 · 音频生成 · 3D 生成 · 🤖 Kevrai Agent 智能助手 One-stop local AI workstation: LLM, multimodal LLM, TTS, MiniMax-Music3 music gen, LTX-2.5 video gen, image gen, super-resolution, audio gen, 3D gen, 🤖 Kevrai Agent assistant.
一个安装包 · 桌面快捷方式 · 引擎按需下载 · 模型从 huggingface.co 一键拉取 · 支持本地导入 · 全部开源
🎬 宣传视频 (52秒)
点击播放 docs/kevrai-omni-promo.mp4。视频涵盖：模型市场、硬件检测、MiniMax-Music3 音乐生成、LTX-2.5 视频生成、Kevrai Agent 智能助手、本地隐私。
✨ v2.7.0 更新亮点（Kevrai Agent 通用 AI 助手）
| 功能 | 说明 |
|---|---|
| 🤖 Kevrai Agent 通用 AI 助手 | 新增侧边栏「AI Agent」标签页：基于 ReAct 循环（Thought→Action→Observation，最多 12 步）的本地 Agent，用自然语言管理模型——硬件检测、模型搜索、智能推荐、下载规划、文本生成；11 个内置工具包装现有 catalog/hardware/download/engine 子系统 |
| 🧠 双模式推理 | 加载 MNN LLM 模型时进入完整 ReAct 推理模式（多步规划+工具调用）；未加载模型时自动回退 deterministic rule-based 模式（硬件查询→check_hardware、搜索查询→search_models、默认→引导加载模型），零依赖可用 |
| 💾 SQLite 持久记忆 | 会话历史、消息、用户偏好、任务历史存于 APP_ROOT/agent/memory.sqlite3；支持多会话切换、历史消息加载、偏好键值存储 |
| 🌐 完整 REST + WebSocket API | 9 个 HTTP 端点（/api/agent/status、/tools、/chat、/sessions、/sessions/{id}/messages、/preferences）+ 1 个 WebSocket（/ws/agent/{session_id} 实时流式 step 事件）；与现有 /v1/* OpenAI 兼容端点并存，可供 OpenClaw 等外部 Agent 框架直接调用 Kevrai 本地模型 |
| 🎨 前端对话面板 | 聊天式 UI：消息气泡、工具调用标签、思考状态指示、会话下拉切换、新建会话、Enter 发送/Shift+Enter 换行；暗色主题适配，响应式布局 |
| 🏗️ 架构借鉴 OpenClaw，定制为本地模型管理 | 学习 OpenClaw 2.0（MIT，2026-09-01 发布）的 Gateway+Runtime 分离、本地持久记忆、可插拔工具、模型无关路由设计；不完全照抄——Agent 运行在 Python sidecar 内，工具直接包装 Kevrai 现有子系统，无需额外网关进程 |
| 🧪 测试加固 | 新增 test_v270_agent.py（48 项）：ToolRegistry 8 + parse/extract 5 + AgentMemory 10 + ModelRouter 2 + CatalogTools 6 + SystemTools 6 + RuleBased 6 + ReAct 8（含 MockModelRouter 测试完整循环）；全量 420 passed |
✨ v2.6.0 更新亮点（MiniMax-Music3 接入 + 新模型 + 全目录核验）
| 新特性 / 修复 | 说明 |
|---|---|
| 🎵 MiniMax-Music3 全家桶接入并逐条核验 | 官方全精度 MiniMaxAI/MiniMax-Music3（8B Global LLM + 0.6B Local LLM + 2.4B Flow Matching + 123M Flow-VAE，32kHz 立体声、单首最长 5 分钟）、ComfyUI 官方重打包、GGUF 量化、Turbo-FP8、W4A8、风格 LoRA、Latent Refiner、MLX 共 8 个条目；配套 sglang-omni 引擎与专用 ComfyUI 节点；许可核实为 MiniMax-Music3 Community License（署名 + 2000 万美元营收门槛） |
| 🆕 新增 13 个 2026 年 5 月后开放权重的高质量模型 | LLM：Granite 4.2 8B/30B、MiniMax M3、Meta Muse Glimmer 30B、DeepSeek-V4-Flash-Vision、GLM-5.3（由「待开源」转正）、Liquid LFM2.5-VL-3B；TTS：MOSS-TTS v1.5、dots.tts-soar；音频：Stable Audio 3 Medium、Google Magenta Realtime 2、MOSS-SoundEffect v2；图像：Krea 2 Turbo。全部经 HuggingFace API 实查存在性、许可、体积、发布时间后入库 |
| 📌 修正 14 处错误/失效仓库 slug | DeepSeek-V4-Pro、Qwen3.8-Max→Qwen3.8-2.4T-A95B、Qwen3.8-27B 转正官方权重、TRELLIS.2→TRELLIS.2-4B、HunyuanImage-3.0→小写 tencent/、SeedVR2→-3B、Direct3D-S2→wushuang98/DreamTechAI、TripoSR/TripoSG→VAST-AI-Research、chatterbox/IndexTTS/Kokoro 引擎地址、bartowski Mistral GGUF、ACE-Step 1.5、dots3-note、MAGI-2、LingBot 等 |
| 🗑️ 移除虚构条目 | meta-llama/Llama-4-Multilingual 在官方模型列表中并不存在（Llama 4 仅 Scout/Maverick），已移除，避免重蹈「幽灵仓库」覆辙 |
| 🧪 测试加固 | 新增 test_v260_catalog.py（49 项）：锁定全部修正 slug、新模型字段完整性、Music3 架构事实、引擎地址与目录不变量；全量 372 passed |
✨ v2.5.0 更新亮点（环境随选下载）
| 新特性 | 说明 |
|---|---|
| 🐍 Python 环境软件内一键安装 | 没装 Python 的 Windows 机器不再报错退出：进入「环境准备」页，一键下载 Python 3.12.7 embeddable（约 11MB，国内镜像三级回退）→ 解压到用户数据目录 → 装 pip → 装运行依赖 → 自动进主界面。安装包依旧小巧，环境与引擎一样随选下载 |
| 🩺 启动诊断增强 | 有 Python 但缺依赖（ModuleNotFoundError）同样进引导页一键补装；stderr 尾部采集辅助定位 |
| 🔒 不污染系统 | 托管 Python 装在用户数据目录，不写注册表、不需要管理员权限 |
✨ v2.4.2 更新亮点（质量与修复）
| 修复 / 优化 | 说明 |
|---|---|
| 🩹 设置保存崩溃修复 | PUT /api/settings 引用不存在的 max_concurrent 属性导致保存必 500（v2.4.1 起），已修复 |
| 🔑 HF Token 下发修复 | SettingsUpdate 补回 hf_token 字段：gated 模型（LTX-2.5）Token 配置链路端到端打通，并有 HTTP 级回归测试 |
| 🐛 converter NameError 修复 | sys_executable() 缺 import sys，调用即崩，已修复 |
| 🧹 负面提示词清零 | 按用户偏好：LTX 生成不再内置负面提示词默认值，界面文本框留空（字段保留可选） |
| 🧪 死代码清理 | 20+ 处未用导入、xxhash 无效可选导入、多余 global、弃用 utcnow 全部清理，警告 25 → 0 |
| 📄 INSTALL.md 重写 | 安装包 + 快捷方式 + 按需下载 + gated 指引，替换过期的 v2.2.0 便携包说法 |
✨ v2.4.1 更新亮点（修复优化版）
| 修复 / 优化 | 说明 |
|---|---|
| 📌 目录事实修正 | 修正不存在的 MiniMaxAI/Hailuo-H3 仓库（改为 Comfy-Org/MiniMax-H3 官方重打包 + MiniMaxAI/MiniMax-H3 官方权重双条目）；MiniMax 2K 进展更新至 2026-08-07 官方 AMA 承诺；LTX-2.5 显存门槛修正为官方最低 16GB、许可修正为 LTX-2.x Community License；Qwen3.8-27B 标注社区微调（JonathanColetti）身份与真实仓库 |
| 🔐 gated 仓库下载 | LTX-2.5 等受控访问仓库：设置页新增 HuggingFace Token（仅存本机），下载自动附加 Bearer 认证；未配置时返回明确中文指引（需先在 HF 仓库页接受许可协议） |
| 🔄 引擎更新检测 | 引擎面板新增「检查引擎更新」：查询 GitHub 最新 release，已装引擎显示版本号，发现新版出现徽章并可一键更新；6 小时缓存避免频繁请求 |
| 🏷️ 命名统一 | 产品名统一为 Kevrai Omni，与仓库名 kevrai-omni 一致（安装包、快捷方式、窗口标题同步更新） |
| 🧭 新手引导 | 首次启动显示「三步上手」引导：装引擎 → 下模型 → 输提示词 |
| ⚠️ LTX 预设规范 | 低于官方最低 16GB 显存的预设全部标注「实验」，选择时显示提示 |
✨ v2.4.0 更新亮点
| 新特性 | 说明 |
|---|---|
| 🎥 LTX-2.5 视频生成运行时 | 内置 Lightricks LTX-2.5 世界模型推理管线：文生视频 / 图生视频，5 档显存预设（4GB–24GB+），进度条、可取消、任务历史、结果画廊，输出 MP4/GIF |
| 🔍 超级搜索引擎 | 字段加权模糊匹配（名称/ID/标签/引擎/仓库/描述）、拼写纠错（编辑距离 ≤2）、中文 bigram 分词、搜索结果高亮、分面筛选（引擎/许可/体积）、5 种排序、最近搜索、"你是不是要找"建议、键盘导航（/ 聚焦、↑↓ 选择） |
| ⚡ 性能优化 | HTTP 响应 GZip 压缩、搜索语料内存缓存、/api/models 支持排序与仓库字段检索、disk_usage 首跑路径不存在时的健壮回退 |
| 📦 目录扩充 | 110 个模型条目（全部补齐 tags 与 modality 标注）、30 个引擎（新增 ltx-video 引擎） |
| 🧪 测试加固 | 新增 94 个测试（搜索 34 + LTX 运行时 32 + v2.4 API 26），含正则注入、XSS、空字节、超长输入、路径穿越等极端用例；全套 323 passed / 0 failed |
与早期版本的区别
| 维度 | 早期版本 | 本版（Kevrai Omni v2.4.0） |
|---|---|---|
| 安装形态 | 单 Python 项目 | Electron 桌面应用 + Windows NSIS .exe 安装包 |
| 视频生成 | 仅目录条目 | LTX-2.5 一键生成面板（参数可调、进度、取消、画廊） |
| 搜索 | 名称/描述子串匹配 | 加权模糊搜索：纠错、中文分词、高亮、分面、排序、历史 |
| 引擎 | 硬编码 diffusers | 引擎市场（按需下载）：llama.cpp、MNN、vLLM、ONNX Runtime、ComfyUI、LTX-Video、TTS/3D 引擎等 30 个 |
| 模型来源 | 视频生成为主 | 121 模型 · 9 大类，带 tags 与 modality 标注 |
| 安装包大小 | （含模型） | 安装包保持最小，引擎与模型首次使用时下载到 AppData/KevraiOmni/ |
| 桌面快捷方式 | 无 | 自动创建桌面 + 开始菜单快捷方式 |
| GGUF 量化 | 无 | GGUF 全量化浏览：仓库内全部 .gguf 文件单独下载 |
| 本地导入 | 无 | 文件夹/文件一键导入，支持拖拽 |
| 测试 | 无 | pytest 323 项 + JS 语法冒烟 + 极端输入测试 |
快速开始
Windows 用户（普通用户）
- 从 Releases 下载
Kevrai-Omni-Setup-2.4.1.exe - 双击安装 → 桌面出现 Kevrai Omni 快捷方式
- 启动后 → "AI 引擎"标签 → 安装需要的引擎（如
llama.cpp） - "模型市场" → 顶部搜索框支持模糊/中文搜索，选模型 → 安装
- 🎥 "LTX-2.5 视频"标签 → 输入提示词 → 选显存预设 → 开始生成
- 首次使用需安装推理引擎：
pip install torch diffusers transformers accelerate imageio imageio-ffmpeg
- 首次使用需安装推理引擎：
- "本地模型" → 一键导入你的
model.gguf/ safetensors
开发者
git clone https://github.com/Bullobis/kevrai-omni.git
cd kevrai-studio
npm install
pip install -r python/requirements.txt
npm run dev # 启动 Electron 开发模式
# 测试
npm run test:python # Python pytest（303 项）
npm run test:js # JS 语法检查
bash scripts/smoke.sh # 端到端冒烟
# 打包 Windows 安装包
npm run build:win # 产物在 dist/
🎥 LTX-2.5 视频生成
侧边栏点击 "LTX-2.5 视频" 打开生成面板：
- 双模式：文生视频（T2V）/ 图生视频（I2V，需参考图）
- 5 档显存预设：极致质量(24GB+) / 高质量(16GB) / 平衡(12GB) / 速度(8GB) / 草稿(4GB)
- 完整参数控制：宽高（自动对齐 32）、帧数（自动对齐 8k+1）、步数、CFG、种子（🎲 随机）、FPS、输出格式（MP4/GIF）
- 显存优化：VAE 切片、模型 CPU offload 开关
- 任务管理：实时进度条、步计数、用时、一键取消、最近 10 条任务历史
- 结果画廊：生成完成自动刷新，内联播放，一键打开输出目录
API（sidecar）：
GET /api/ltx/capabilities # 能力描述 + 引擎就绪状态
POST /api/ltx/generate # 提交生成任务
GET /api/ltx/tasks # 任务列表 + 当前任务
GET /api/ltx/tasks/{id} # 单任务状态
POST /api/ltx/tasks/{id}/cancel # 取消任务
GET /api/ltx/outputs # 已生成文件列表
🔍 超级搜索
模型市场顶部工具栏：
- 输入即搜（180ms 防抖），支持拼写纠错（
kokro→ Kokoro）、中文（视频/语音）、多 token 跨字段 AND（wan video） - 命中关键词在卡片标题/描述中高亮
- 分面筛选：引擎、体积区间，一键切换
- 排序：相关度 / 热门 / 名称 / 体积大小
- 最近搜索历史（可清除）+ 零结果时的"你是不是要找"建议
按 / 键快速聚焦搜索框，↑↓选择，Enter打开，Esc清除
API：GET /api/search?q=&category=&engine=&license=&size_bucket=&trending=&sort=&page=&page_size=
项目结构
kevrai-studio/
├── electron/ # Electron 主进程 + preload
│ ├── main.js # 窗口、spawn Python sidecar、IPC 桥（含 v2.4 搜索/LTX 通道）
│ └── preload.js # contextBridge（sandbox=true，入参校验）
├── renderer/ # 渲染层
│ ├── index.html # 含 LTX-2.5 生成面板
│ ├── app.js # 模块装配
│ ├── styles.css # 含搜索下拉/分面/LTX 面板样式
│ └── modules/
│ ├── search.js # ★ 超级搜索 UI（v2.4）
│ ├── ltx.js # ★ LTX-2.5 生成面板（v2.4）
│ ├── models.js # 虚拟滚动网格 + 搜索高亮
│ └── ...
├── python/ # Python sidecar（FastAPI）
│ ├── app/
│ │ ├── main.py # HTTP 控制面（+ /api/search、/api/ltx/*、GZip）
│ │ ├── search.py # ★ 加权模糊搜索引擎（v2.4）
│ │ ├── ltx_runtime.py # ★ LTX-2.5 推理任务管理（v2.4）
│ │ ├── catalog.py # 模型/引擎目录
│ │ ├── engines.py # 引擎管理器
│ │ ├── importer.py # HF 下载（断点续传）+ 本地导入
│ │ └── ...
│ └── tests/ # pytest（372 项）
├── catalog/ # 静态目录（随安装包发行）
│ ├── models.json # 121 模型（带 tags/modality）
│ └── engines.json # 30 引擎（含 ltx-video、sglang-omni）
├── scripts/
│ ├── build_windows.sh # 打 Windows .exe
│ └── release.sh # gh release create
├── electron-builder.yml # NSIS 配置
└── package.json # v2.6.0
模型市场（catalog/models.json · 121 条目）
按 9 大类组织，指向 huggingface.co 官方或正规社区量化仓库；每个条目均经 HuggingFace/GitHub API 实查核验：
| 类别 | 代表条目 |
|---|---|
| LLM（多模态 + 纯文本） | Qwen3/3.5/3.6/3.8 全系、DeepSeek-V4 Pro/Flash/Flash-Vision、GLM-5/5.2/5.3、Kimi K2.6/K3、MiniMax M3、Granite 4.2 8B/30B、Meta Muse Glimmer 30B、LFM2.5-VL-3B、Mistral、Gemma、GPT-OSS |
| TTS | CosyVoice 2/3、Fish Speech 1.5、F5-TTS、Spark-TTS、Kokoro 82M、Chatterbox、IndexTTS、GPT-SoVITS、MOSS-TTS v1.5、dots.tts-soar |
| 视频生成 | LTX-2.5 / LTX-2.3、MiniMax-H3、Wan 2.2、HunyuanVideo、CogVideoX、Open-Sora 2.0、Step-Video、MAGI-2、LingBot-Video |
| 图像生成 | FLUX.1/FLUX.2、SDXL-Turbo、SD3.5、Kolors、Krea 2 Turbo、HunyuanImage 3.0、ControlNet |
| 超分辨率 | Real-ESRGAN、APISR、SUPIR、4x-UltraSharp、SeedVR2-3B/7B |
| 音频/音乐生成 | MiniMax-Music3 全家桶（8 条目）、Stable Audio 3、Magenta Realtime 2、MOSS-SoundEffect v2、Stable Audio Open、MusicGen、AudioLDM 2、DiffRhythm、ACE-Step 1.5 |
| 3D 生成 | Hunyuan3D 2.1、TRELLIS / TRELLIS.2-4B、TripoSR、TripoSG、Direct3D-S2、PartCrafter |
| 视觉/多模态工具 | CLIP ViT-L、InsightFace、YOLOv10 |
| 待官方开源 | MiniMax Hailuo 2K、Wan 3.0、HappyShrimp、GLM-5-Code（占位，官方仓库出现后转正） |
外加动态 GGUF 仓库浏览，每次启动从 huggingface.co 拉取文件树，列出全部 .gguf 文件单独下载。
引擎市场（catalog/engines.json · 30 个引擎）
| 类别 | 引擎 |
|---|---|
| LLM | llama.cpp · vLLM |
| 通用轻量 | MNN · ONNX Runtime |
| 扩散模型 | Diffusers · ComfyUI · LTX-Video Engine (LTX-2.5) |
| TTS | Kokoro · Fish Speech · F5-TTS · CosyVoice · Spark-TTS · Chatterbox · IndexTTS |
| 3D | Hunyuan3D · TRELLIS · TripoSR · TripoSG · Direct3D-S2 · PartCrafter |
| 视觉 | InsightFace |
安装包本身不打包这些引擎——首次使用某类模型时弹窗提示，或在 "AI 引擎" 标签手动预装。
安全说明
- 模型下载走 HTTPS，引擎安装走 HTTPS；Electron 侧启用
contextIsolation、sandbox，preload 对所有 IPC 入参做类型/长度/枚举校验。 - 引擎 ZIP 下载有主机白名单（GitHub / pypi / 正规镜像）；模型仓库 URL 做格式校验。
- 自 v2.2.0 起，镜像采用"建议白名单 + 用户可在设置中自行增删"的模式，不再维护全局硬黑名单；用户对自己添加的源负责。
- 路径类参数（model_id、task_id）统一通过正则白名单校验，阻断路径穿越。
测试 & 发布
# Python 测试（303 项，含极端输入）
npm run test:python
# JS 语法冒烟
npm run test:js
# 打 Windows .exe（在 Windows 机器上）
npm run build:win
# 发布到 GitHub Releases
export GITHUB_TOKEN=<你的 PAT>
export REPO=Bullobis/kevrai-omni
bash scripts/release.sh
License
Kevrai Omni itself (source code, documentation, and build artifacts) is licensed under the Kevrai Omni Community License v1.0 — a source-available license, full text in English.
Source code is public and free for non-commercial use, modification, and distribution. Commercial use is permitted but requires prior written Commercial Authorization from the Licensor. Derivative works must be distributed under the same license. To apply for commercial authorization, contact: 2671369836@qq.com. The Licensor expressly reserves the right to issue cease-and-desist / lawyer's letters (律师函) and pursue legal remedies for unauthorized commercial use.
Third-party models, engines, and weights (listed in catalog/models.json) are each governed by their own upstream licenses (Apache-2.0, Llama-3, OpenRAIL, Tencent Hunyuan Community, LTX-Open, MusicGen CC BY-NC 4.0, MiniMax-Music3 Community License, etc.), independent of this project's own license. See NOTICE.md and LICENSE for details.
Similar repos
Contributors
Bullobis
13 commits
Languages
Python
65.0%
JavaScript
24.7%
CSS
4.9%
Shell
2.9%
HTML
2.6%