MiniMax-H3-omnimodaalinen malli toimii Apple Siliconissa MLX-siirron ansiosta
MiniMax
MiniMax julkaisi MiniMax-H3:n, joka on omnimodaalinen generatiivinen järjestelmä, joka vastaanottaa tekstiä, kuvia, ääntä ja videota ja tuottaa jopa 15 sekunnin videopätkiä äänellä. Python-paketti siirtää sen MLX:ään Apple Siliconia varten; Simon Willison sai sen toimimaan M5 Max MacBook Prossaan, tuottaen videon kehotteesta, mutta huomautti, että ääni oli roskaa ilman asianmukaista ohjausta.
MiniMax on julkaissut MiniMax-H3:n, jota se kuvailee yleiskäyttöiseksi, kaikkia modaliteetteja käsittäväksi generatiiviseksi järjestelmäksi, joka hyväksyy tekstiä, kuvia, ääntä ja videota ja pystyy tuottamaan jopa 15 sekunnin videopätkiä äänen kera. Python-paketti siirtää tämän mallin MLX:ään, mikä mahdollistaa sen ajamisen Apple Siliconilla. Simon Willison onnistui ajamaan sen M5 Max MacBook Prollaan kloonaamalla repositorion ja suorittamalla skriptin. Prosessiin kuului noin 115 gigatavun mallitiedostojen lataaminen, ja videon generointi kesti hieman alle 45 minuuttia. Tuloksena ollut video oli vaikuttava, mutta ääni kuvailtiin oudoksi puhemaiseksi roskaksi, koska Willison ei antanut ohjeita äänen tuottamiseen. Hän huomautti, että ohjeistus sisältää runsaasti tietoa oikean äänen tuottamiseksi, mutta hän ei ollut lukenut sitä ennen kokeilua.
Lähde: Simon Willison —
Alkuperäinen