Modelo de Generación de Vídeo Multimodal MiniMax-H3 Ahora Disponible para Apple Silicon vía MLX

El nuevo modelo MiniMax-H3 de MiniMax, descrito como un sistema generativo omni-modal de propósito general, está ahora disponible para Apple Silicon a través de un port MLX. El modelo acepta texto, imágenes, audio y vídeo como entradas y puede generar clips de vídeo de hasta 15 segundos con audio acompañante. Un desarrollador probó exitosamente la implementación de MLX en un MacBook Pro M5 Max. Los archivos del modelo requieren aproximadamente 115 GB de almacenamiento, y la generación de vídeo en Apple Silicon toma aproximadamente 45 minutos por clip. Si bien el vídeo generado demostró una calidad visual impresionante, la salida de audio se notó como ininteligible, lo que sugiere la necesidad de una orientación adecuada de prompting de audio como se documenta en la guía de prompting del modelo. El port MLX permite que investigadores y desarrolladores de aprendizaje automático con hardware Apple Silicon ejecuten este modelo de generación multimodal localmente, haciendo que las capacidades avanzadas de generación de vídeo sean más accesibles fuera de entornos de computación en la nube.