Modelo de Geração de Vídeo Multimodal MiniMax-H3 Agora Disponível para Apple Silicon via MLX

O novo modelo MiniMax-H3 de MiniMax, descrito como um sistema generativo omni-modal de propósito geral, está agora disponível para Apple Silicon através de um port MLX. O modelo aceita texto, imagens, áudio e vídeo como entradas e pode gerar clips de vídeo de até 15 segundos com áudio acompanhante. Um programador testou com sucesso a implementação MLX em um MacBook Pro M5 Max. Os arquivos do modelo requerem aproximadamente 115 GB de armazenamento, e a geração de vídeo em Apple Silicon leva aproximadamente 45 minutos por clip. Enquanto o vídeo gerado demonstrou qualidade visual impressionante, a saída de áudio foi notada como ininteligível, sugerindo a necessidade de orientação apropriada de prompting de áudio conforme documentado no guia de prompting do modelo. O port MLX permite que investigadores e programadores de machine learning com hardware Apple Silicon executem este modelo de geração multimodal localmente, tornando as capacidades avançadas de geração de vídeo mais acessíveis fora de ambientes de computação em nuvem.