Original en inglés: https://argusic.com/subject/ai-moive-studio
ai-moive-studio
Agent de flujo de trabajo con lienzo infinito, impulsado por lenguaje natural, convierte la creación de video con IA en un flujo de trabajo editable por primera vez. AICON ofrece a los creadores capacidades para desglosar guiones, generar storyboards y materiales, componer video y distribuir contenido. No es solo un campo de entrada: puedes usar lenguaje natural y un lienzo infinito para organizar nodos de texto, imagen y video en una cadena completa, llevando 'de la idea al video' dentro de un solo sistema.
Funciona con mocksfuente: GitHubsitio webPythonApache-2.0commit 4e0810eab1d8
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: ai, ai agents, ai video, image to video, infinite canvas, movie, self hosted y storyboard.
ai-moive-studio funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 0,8 minutos y encontró 5 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Backend FastAPI server starts and serves root, health, and API v1 endpoints on port 8000. Frontend builds to dist/. 57 backend unit tests and 15 frontend utility tests pass.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 92 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- Stale test imports: src.api.upload, src.api.files, src.api.projects, src.core.auth0_auth5 minutos
- Missing system library libmagic (python-magic dependency)3 minutos
- Missing FileProcessingStatus and SupportedFileType enums referenced by tests2 minutos
- Stale test import: src.tasks.task (module is src.tasks.project)0,5 minutos
- No PostgreSQL/Redis/MinIO (no Docker) - API register fails
- Tiempo de instalación
- menos de un minuto
- De máquina en frío a terminar
- 22 minutos
- Errores encontrados y corregidos
- 5 encontrados, 5 corregidos sin ayuda humana
- Cómo se demostró el resultado
- curl http://127.0.0.1:8000/ returned 200 with 欢迎使用AICG内容分发平台; curl http://127.0.0.1:8000/health returned 200 with healthy; uv run pytest tests/unit/... returned 57 passed; npx vitest run src/tests/unit/utils/ returned 15 passed; npx vite build exited with built in 15.18s
- Tokens de modelo usados
- 283.864
- Commit exacto probado
- 4e0810eab1d8
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
Here's the final verification:
- **Backend**: `uv sync` installed all deps. Server starts at `127.0.0.1:8000`, returns 200 on `/` …
- **Frontend**: `npm install` succeeded. `vite build` produced `dist/index.html`. 15 frontend utili…
- **Backend tests**: 57 passing unit tests (canvas assistant, gateway, model catalog, tasks base).
- **Auth/DB**: Registration endpoint returns 500 because PostgreSQL isn't running (no Docker in con…
exec
/bin/sh -lc "echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 0…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 0.8, "errors": [{"msg": "M…
2026-10-06T19:38:35.044611Z ERROR codex_core::session: failed to record rollout items: thread 01a11…
tokens used
283,864Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Se instaló en 0,8 minutos, más rápido que la mediana de los 230 proyectos comparables que ha medido Argusic.
- Se recuperó de los 5 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia Apache-2.0, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, ai-moive-studio fue el 28.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,14 |
Temas (de GitHub)
aiai-agentsai-videoimage-to-videoinfinite-canvasmovieself-hostedstoryboardtext-to-videovideovideo-generationworkflow-automation
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/ai-moive-studio)Preguntas
- ¿Funciona ai-moive-studio?
- ai-moive-studio funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 1 minutos, con 5 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic ai-moive-studio?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 4e0810eab1d8. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar ai-moive-studio?
- La ejecución que produjo este veredicto costó 0,14 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda ai-moive-studio en instalarse?
- 0,8 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita ai-moive-studio una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar ai-moive-studio?
- En la ejecución registrada fallaron 5 cosas, y 5 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara ai-moive-studio con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, ai-moive-studio fue el 28.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de ai-moive-studio?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.