Seth's AI Tools：Unity 驱动的本地 AI 多模态创作工作站

一款可以「聊天生成一切」的 Windows 原生 AI 工具

想象这样一个场景：你在写一个关于赛博朋克的故事，想象中的人物需要一张真实感十足的脸、一张赛博朋克风格的城市海报来配合叙事——传统流程下，你需要分别打开 Midjourney、Stable Diffusion、CapCut 等多个工具，来回切换、反复复制粘贴提示词。而 Seth's AI Tools 做的事情，就是把这一切都收进了一个本地 Windows 应用里：用自然语言对话驱动 AI 帮你生成图片、短视频、音乐甚至交互式小游戏，同时支持多个 ComfyUI 服务器并行工作。

这不是 Web 应用，而是一个实打实的 Windows 原生 .exe（Unity + C# 编写），完全本地运行，不收集任何用户数据，不偷偷上报统计——隐私优先。

---

四年磨一剑：一个独立开发者的 AI 工具箱演进史

这个项目诞生于 2022 年，作者是独立游戏开发者 Seth Robinson（GitHub @SethRobinson）。从 2022 年 9 月 13 日首次提交到今天，项目已经迭代超过三年。作者的动机非常朴素：他需要一个个人 AI 试验台，能同时跑图生图、视频生成、AI 对话等多种任务，而市面上的工具都太分散、不够可控。

项目的核心设计哲学很有意思：不是做一个 AI 模型，而是做一个 AI 的调度台。它自己不训练模型，也不托管模型，而是充当用户与多个后端服务（ComfyUI 工作流、Ollama 本地大模型、各商业 API）之间的中间层。打个比方：Seth's AI Tools 更像是 AI 世界的「多功能瑞士军刀」，而非要替代任何一个专用工具。

值得关注的是，项目的开发节奏极为稳定——就在 2026 年 8 月 30 日还发布了 V3.06 版本，新增了 MiniMax H3 视频生成能力的完整支持，距今不足一周。

---

核心能力拆解：从文字到图片、视频、音乐的全链路

AI Chat：对话即创作

这是项目的主入口，界面类似于 ChatGPT，但内置了大量「对话触发技能」：用户告诉 AI「帮我生成一张赛博朋克海报」，AI 会自动调用合适的 ComfyUI 工作流、执行生成、返回结果。过程中 AI 还能联网搜索（Brave Search API）、抓取参考图片和视频片段、阅读网页内容作为研究素材——全部在对话气泡中展示，无需切换工具。

AI Chat 还支持音频生成：生成背景音乐、音效甚至配音。生成的音频片段以气泡形式嵌入对话中，还可以与视频轨道混合配乐。

图像生成与编辑

支持多个 ComfyUI 工作流，覆盖：

• 文生图：Flux、Ideogram 4、SDXL、Qwen、Krea2 Turbo、ChromaHD 等
• 图生图 / 局部重绘：Inpaint、背景移除、风格迁移
• 图像编辑：Bernini（参考渲染）、Kontext（上下文感知编辑）、Qwen-Edit（图像到图像指令编辑）

内置图像处理工具：裁剪、缩放、遮罩绘制，支持在同一画布上平移缩放数千张图片。

视频生成与处理

这是 V3.06 版本的重点方向：

• MiniMax H3 文生视频：支持起始帧、参考图片、参考视频多种模式，带原生音频和配音对话；提供 Turbo 和 Quality 两档画质
• LTX-Video 文生视频：短片段生成
• Wan2.2 文生视频：Fast 模式
• 视频编辑：RIFE 帧插值（视频补帧）、MMAudio（视频配音效）、背景移除、风格迁移
• 视频可导出为透明背景 VFX（Alpha WebM / 精灵图序列）

Adventure 模式：AI 驱动的互动故事与问答

这是最有创意的功能之一。AI Guide 可以自动生成「激励海报」和「插画故事」；Adventure 模式则可以生成实时互动冒险（类似 AI Dungeon）、选择题风格的问答游戏，以及可导出自包含 HTML 版本的冒险故事——意味着生成的故事可以独立分享，无需运行原 App。

---

技术架构：Unity 做 UI，Python CLI 做调度

项目的代码结构非常有特点，分为两大核心层：

Unity 原生层（C#）

整个前端是标准的 Unity 项目，UI 基于 Unity 的原生 GUI 系统（ugui）构建。主要模块包括：

• Assets/aichat/：AI Chat 功能实现，包含 Skills 技能系统
• Assets/Adventure/：互动冒险模式
• Assets/AIGuide/：AI Guide 激励/故事生成
• Assets/Packages/：Unity UPM 依赖清单，包含 XR 交互工具包、多人中心、Shader Graph 等

值得注意的技术选型：项目使用了 com.unity.xr.interaction.toolkit（XR 交互工具包），虽然当前版本中 CrazyCam XR 功能已禁用，但架构上保留了沉浸式交互的扩展空间。

Python CLI 层

cli/ 目录是一套完整的命令行工具包，核心文件：

• aitools_cli.py：主 CLI 入口，支持 Linux + Windows
• comfy_api.py：与 ComfyUI API 通信（POST /prompt、WebSocket 进度跟踪）
• workflow.py：工作流加载、API 格式转换、占位符替换
• servers.py：多服务器管理（自动跳过不可达服务器，按队列优先级选择）
• images.py / vid2alpha.py：图片和视频后处理

CLI 通过 config.txt 配置 ComfyUI 服务器列表（支持多个服务器 + Bearer Token 认证），是开发者和自动化管线的理想入口。

AI 后端集成

支持的大模型后端：

类型	具体支持
本地 LLM	Ollama（本地）、TabbyAPI
商业 API	OpenAI GPT 系列、Anthropic Claude 系列（包括最新 Claude 3.7/3.5 Fable 5）、Google Gemini、xAI Grok
图像生成	ComfyUI（ Flux、SDXL、Ideogram 4、Qwen 等）、Automatic1111 API
视频生成	MiniMax H3、LTX-Video、Wan2.2
音频	MiniMax H3（语音 + 音效 + 音乐）、ElevenLabs（配音）

---

部署体验：上手门槛与现实挑战

好消息是：作者提供了直接可用的 Windows 预编译版本（V3.06，约 150MB），下载解压即用，无需安装 Unity 和编译代码。如果你的目标只是用 AI Chat 生成内容、调用已有 ComfyUI 服务器，这个路径 10 分钟内可以搞定。

坏消息是：如果需要从源码编译，则必须：

1. 安装 Unity Editor（对应版本号）
2. 解决本地 GPU + CUDA 环境
3. 部署并配置 ComfyUI 服务器（需开启 --listen 并安装特定 custom node）

CLI 模式相对友好：pip install -r cli/requirements.txt，配置好 config.txt 中的服务器地址即可工作，Linux 也能运行。

核心限制：项目没有 Docker 支持，必须在 Windows 原生环境运行；依赖 GPU（推荐 NVIDIA）；对国内用户而言，ComfyUI 服务器配置和 Brave Search API 的获取也有一定门槛。

---

局限性：不回避的短板

项目作者本人也坦诚列出了一些问题：

• 稳定性参差：某些功能如果一段时间没用，容易出现 bug——「可能是 App 的问题，不一定是你的问题」，作者如是说
• CrazyCam 功能已禁用：XR/摄像头交互功能在当前版本不可用
• Windows 独占：没有 macOS / Linux 原生支持
• 依赖上游：ComfyUI 的 custom node 兼容性、Brave Search API 的可用性都是潜在断点
• 非开源模型：生成的图片/视频质量依赖外部模型服务，不是自训练的

---

增长轨迹与行业意义

从 GitHub 数据看，项目长期保持着稳定的活跃更新（V3.06 距今不足一周），topics 涵盖 anthropic、automatic1111、comfyui、llm、ollama、openai、tabbyapi 等关键词，说明与整个开源 AI 生态的集成深度相当不错。

这个项目代表了一种**「AI 工具集成层」的思路——不做新模型，而是把最好的开源 AI 能力用一个本地 App 串联起来。在 2026 年各路 AI 应用都在卷 Web 端体验的时候，这种本地优先、隐私优先**的桌面工具路线，依然有一批忠实用户。

如果你有独立 GPU、对 AI 创作有多种需求、且重视数据隐私，Seth's AI Tools 绝对值得一试。如果只是想快速体验，最简单的方式是直接下载预编译 exe。

---

报告生成时间：2026-08-31 | 项目作者：Seth Robinson | Stars：186 | 语言：C#（Unity）