Modelo Omni-Modal MiniMax-H3 Roda em Apple Silicon com Porte MLX

A MiniMax lançou o MiniMax-H3, descrevendo-o como um sistema generativo omni-modal de propósito geral, que aceita texto, imagens, áudio e vídeo, e pode gerar clipes de vídeo de até 15 segundos, incluindo áudio. Um pacote Python porta este modelo para MLX, permitindo que ele seja executado em Apple Silicon. Simon Willison o executou com sucesso em seu MacBook Pro M5 Max clonando um repositório e executando um script. O processo envolveu o download de aproximadamente 115 GB de arquivos de modelo, e a geração de vídeo levou pouco menos de 45 minutos. O vídeo resultante foi impressionante, mas o áudio foi descrito como um lixo estranho, semelhante a fala, porque Willison não forneceu orientação de prompt para o áudio. Ele observou que o guia de prompts contém informações extensas sobre como alcançar uma geração de áudio adequada, que ele não havia lido antes do experimento.