MiniMax-H3 Omni-Modales Modell läuft auf Apple Silicon mit MLX-Port

MiniMax hat MiniMax-H3 veröffentlicht und beschreibt es als ein universelles, omnimodales generatives System, das Text, Bilder, Audio und Video akzeptiert und Videoclips von bis zu 15 Sekunden Länge einschließlich Audio erzeugen kann. Ein Python-Paket portiert dieses Modell auf MLX und ermöglicht es, es auf Apple Silicon auszuführen. Simon Willison hat es erfolgreich auf seinem M5-Max-MacBook-Pro ausgeführt, indem er ein Repository klonte und ein Skript ausführte. Der Prozess umfasste das Herunterladen von etwa 115 GB an Modelldateien, und die Videoerzeugung dauerte knapp 45 Minuten. Das resultierende Video war beeindruckend, aber der Ton wurde als seltsamer, sprachähnlicher Müll beschrieben, weil Willison keine Aufforderungshinweise für den Ton bereitgestellt hatte. Er stellte fest, dass der Leitfaden zur Aufforderung umfangreiche Informationen zur korrekten Audioerzeugung enthält, die er vor dem Experiment nicht gelesen hatte.