MiniMax-H3オムニモーダルモデル、MLX移植版でApple Silicon上で動作

MiniMaxはMiniMax-H3を公開し、これをテキスト、画像、音声、動画を受け入れ、最大15秒の動画クリップを音声付きで生成できる、汎用のオムニモーダル生成システムと説明しています。PythonパッケージがこのモデルをMLXに移植し、Apple Silicon上で実行できるようにしています。サイモン・ウィリソンは、リポジトリをクローンしてスクリプトを実行することで、彼のM5 Max MacBook Pro上でこれを正常に実行しました。このプロセスには、約115GBのモデルファイルのダウンロードが含まれ、動画生成には45分弱かかりました。結果の動画は印象的でしたが、音声は、ウィリソンが音声のプロンプトガイダンスを提供しなかったため、奇妙な音声のようなノイズと表現されました。彼は、プロンプトガイドには適切な音声生成を実現するための広範な情報が含まれているが、実験前にそれを読んでいなかったと述べています。