MLX 版 MiniMax-H3 本地生成视频

两天前，MiniMax 发布了 MiniMax-H3，官方称其为“通用、全模态生成系统”，可接受文本、图像、音频和视频输入，并生成最长 15 秒的带音频视频。随后，PipeNetwork 在 GitHub 发布了该模型的 MLX 移植包，使得模型可在 Apple Silicon 设备上运行。Simon Willison 在博客中记录了他的完整实验过程。

他在 M5 Max MacBook Pro 上克隆仓库，用命令行下载了约 115 GB 的模型权重，以“a rainbow colored skunk leaps over a mossy log in a supermarket”为提示运行生成脚本。视频生成耗时约 45 分钟，他认为视频“令人印象深刻”，但音频因没有给出额外提示，变成了类似语音的杂乱声音。他提到官方提示指南包含大量关于音频生成的信息，而他实验前没有阅读。

这一移植的快速出现，反映了开源社区对在本地设备运行多模态模型的兴趣。MLX 是 Apple 的机器学习框架，MLX 移植使得 Mac 用户无需依赖云端 API 即可尝试前沿视频生成模型。Simon 的实测提供了可复现的命令和性能数据，对关注本地推理的用户有直接参考价值。

对于实际应用，用户需要注意约 115 GB 的磁盘占用和近 45 分钟的生成耗时；音频质量高度依赖提示词设计。