Le modèle omni-modal MiniMax-H3 fonctionne sur Apple Silicon grâce au port MLX
MiniMax
MiniMax a publié MiniMax-H3, un système génératif omni-modal acceptant texte, images, audio et vidéo pour générer des clips vidéo d'une durée maximale de 15 secondes avec audio. Un paquet Python le porte vers MLX pour Apple Silicon ; Simon Willison l'a fait fonctionner sur son MacBook Pro M5 Max, produisant une vidéo pour un prompt, mais notant que l'audio était exécrable sans un guidage approprié.
MiniMax a dévoilé MiniMax-H3, le décrivant comme un système génératif omni-modal polyvalent qui accepte du texte, des images, de l'audio et de la vidéo, et peut générer des clips vidéo allant jusqu'à 15 secondes, y compris l'audio. Un paquet Python porte ce modèle sur MLX, permettant de l'exécuter sur Apple Silicon. Simon Willison a réussi à l'exécuter sur son MacBook Pro M5 Max en clonant un dépôt et en exécutant un script. Le processus impliquait le téléchargement d'environ 115 Go de fichiers de modèle, et la génération de la vidéo a pris un peu moins de 45 minutes. La vidéo résultante était impressionnante, mais l'audio a été décrit comme un charabia étrange ressemblant à de la parole, car Willison n'avait pas fourni de directives pour l'audio. Il a noté que le guide d'incitation contient des informations détaillées sur la manière d'obtenir une génération audio correcte, qu'il n'avait pas lues avant l'expérience.
Source: Simon Willison —
original