MiniMax-H3 옴니모달 모델, MLX 포팅으로 애플 실리콘에서 구동

MiniMax가 텍스트, 이미지, 오디오, 비디오를 입력으로 받아 최대 15초 분량의 오디오 포함 비디오 클립을 생성할 수 있는 범용 옴니모달(omni-modal, 모든 양식을 아우르는) 생성 시스템이라고 소개한 MiniMax-H3를 공개했다. 이 모델을 MLX로 포팅한 Python 패키지가 있어 Apple Silicon에서도 실행할 수 있다. Simon Willison은 저장소(repository)를 클론하고 스크립트를 실행하는 방식으로 자신의 M5 Max MacBook Pro에서 이를 성공적으로 구동했다. 이 과정에서는 약 115GB에 달하는 모델 파일을 다운로드해야 했으며, 비디오 생성에는 45분이 채 걸리지 않았다. 결과물 비디오 자체는 인상적이었지만, 오디오는 이상한 말소리 같은 잡음 수준이었다고 그는 설명했다. 이는 Willison이 오디오 생성에 필요한 프롬프트 지침을 별도로 제공하지 않았기 때문이다. 그는 프롬프트 작성 가이드에 제대로 된 오디오를 생성하는 방법에 관한 방대한 정보가 담겨 있었지만, 실험 전에 이를 읽어보지 않았다고 밝혔다.