เครื่องสร้างภาพและวิดีโอแบบ CLI-first ในท้องถิ่นสำหรับการทำงานของนักพัฒนา
mold, จาก Utensils, เป็นเครื่องยนต์สร้างภาพและวิดีโอ AI ท้องถิ่นที่สร้างขึ้นสำหรับการผลิตบนอุปกรณ์และการรวมตัวแทน มันสร้างและแก้ไขภาพด้วยโมเดลเช่น FLUX และ Stable Diffusion โดยมีการสนับสนุนวิดีโอหลายขั้นตอนและเสียง-วิดีโอ เครื่องมือนี้เปิดเผยชุดคำสั่ง CLI-native พร้อมกับสตูดิโอเดสก์ท็อป, UI เว็บ, และคู่หู iPhone นักพัฒนา, นักวิจัย, และมืออาชีพด้านสร้างสรรค์ที่ให้ความสำคัญกับการควบคุมบนอุปกรณ์และท่อส่งที่สามารถเขียนสคริปต์ได้คือกลุ่มเป้าหมายหลัก.
mold เป้าหมายการสร้างภาพที่สามารถเขียนสคริปต์ได้ ขับเคลื่อนด้วยเอเจนต์
mold ทำงานเป็นเครื่องมือ CLI-native ที่ทุกการกระทำเป็นคำสั่งที่สามารถประกอบได้ ช่วยให้การใช้ stdin/stdout ใน pipelines และการทำงานอัตโนมัติเป็นไปอย่างคาดเดาได้ ผลิตภัณฑ์นี้รวมโปรโตคอล Model Context เพื่อให้ AI agents และ IDEs สามารถขอการสร้างและแก้ไขภาพได้โดยตรง อินเทอร์เฟซประกอบด้วย Mold Studio บนเดสก์ท็อป, UI บนเว็บ, UI บนเทอร์มินัล และแอปพลิเคชันสำหรับ iPhone ซึ่งรวมกันครอบคลุมทั้งการทำงานแบบโต้ตอบและอัตโนมัติ
คุณภาพของผลลัพธ์ขึ้นอยู่กับโมเดลที่เลือกและขั้นตอนใน pipeline
เครื่องมือนี้รองรับโมเดลต่างๆ เช่น FLUX, SDXL, เวอร์ชัน Stable Diffusion, Qwen-Image-Edit และ LTX Video สำหรับงานเสียงและวิดีโอร่วมกัน การแก้ไขภาพใช้ img2img, การเติมภาพด้วยหน้ากาก และการควบคุมด้วย ControlNet การสร้างวิดีโอหลายขั้นตอนมีให้บริการ ดังนั้นความละเอียดสุดท้ายจึงแตกต่างกันไปตามโมเดลที่เลือก, pipeline การแก้ไข และคุณภาพของวัสดุต้นทาง การสร้างแบบกระจายสามารถรวมเครื่องหลายเครื่องเพื่อจัดการงานที่หนักกว่า
การติดตั้งและข้อกำหนดของระบบกำหนดข้อจำกัดที่ชัดเจน
mold ทำงานในเครื่องบน NVIDIA GPUs ที่มี CUDA บน Linux หรือบน Apple Silicon ที่มี Metal บน macOS และจัดส่งเป็นไฟล์ Rust ไบนารีเดียวที่สร้างด้วยเฟรมเวิร์ก candle ไม่ต้องการ Python, libtorch หรือสภาพแวดล้อมเสมือนทั่วไป รายการแพลตฟอร์มที่จำกัดและข้อกำหนด GPU เฉพาะหมายความว่าการติดตั้งถูกจำกัดอยู่ที่เดสก์ท็อปและเซิร์ฟเวอร์ที่เข้ากันได้ เว้นแต่ผู้ใช้จะเชื่อมต่อโฮสต์ระยะไกลเข้ากับพูล
เครื่องมือนี้เหมาะสำหรับเครื่องมือของนักพัฒนาแต่คาดว่าผู้ใช้จะมีความคุ้นเคยทางเทคนิค
เนื่องจากทุก workflow จะถูกแมพไปยังคำสั่ง CLI และ endpoints ของเซิร์ฟเวอร์ MCP แอปพลิเคชันจึงรวมเข้ากับการเขียนสคริปต์, CI และระบบที่ขับเคลื่อนด้วยเอเจนต์โดยไม่ต้องใช้กาวเพิ่มเติม ชุมชนนักพัฒนาชื่นชมปรัชญา "CLI-first" และความง่ายในการตั้งค่า Apple Silicon ซึ่งบ่งบอกว่าชอบผู้ใช้ที่สะดวกสบายกับเครื่องมือของระบบ ผู้ใช้ที่ชอบประสบการณ์แบบคลิกและจุดเท่านั้นสามารถใช้ GUIs ได้ แต่การดึงคุณค่าที่เต็มที่ต้องการความรู้เกี่ยวกับการตั้งค่าคำสั่งและเอเจนต์บางอย่าง
ตัวเลือกที่ใช้งานได้จริงสำหรับผู้ใช้ทางเทคนิคที่มีความชำนาญ แต่ไม่เหมาะสำหรับการใช้งานแบบ GUI เท่านั้น
mold เป็นตัวเลือกที่แข็งแกร่งและใช้งานได้จริงสำหรับผู้สร้างและทีมที่มีความเชี่ยวชาญทางเทคนิคที่ต้องการการควบคุมในระดับท้องถิ่นและการสร้างภาพหรือวิดีโอที่สามารถเขียนสคริปต์ได้ มันให้รางวัลกับการลงทุนในระบบการตั้งค่าในระดับระบบและการกำหนดค่าตัวแทน แต่ไม่เหมาะสำหรับผู้ใช้ที่ต้องการความเรียบง่ายแบบคลิกผ่านเท่านั้นหรือผู้ที่ไม่มีฮาร์ดแวร์ NVIDIA หรือ Apple Silicon ที่เข้ากันได้ ถือว่าผลลัพธ์ที่สร้างขึ้นขึ้นอยู่กับโมเดลและตรวจสอบวัสดุที่มีความเสี่ยงสูงแยกต่างหาก.
