MiniMax H3 在 Mac 本地生成视频

MiniMax 发布全模态生成模型 H3，支持文本、图像、视频、音频多模输入，可生成最长 15 秒的 2K 视频并附带原生立体声音频。官方称其为通用 omni-modal 系统，计划近期开源权重。

独立开发者 Simon Willison 借助 PipeNetwork 的 MLX 移植版，在 M5 Max MacBook Pro 上完成本地试跑。下载约 115 GB 模型文档，耗时近 45 分钟生成一段彩虹臭鼬在超市跳跃的短视频。画面质量尚可，但音频因空提示词产生类似说话的无意义噪音。

实验证明 H3 类全模态模型能在苹果芯片上本地运行，为隐私、离线或定制需求打开可能。但巨大的下载体积和长生成时间表明，高成本仍是本地部署的主要约束。

💡 为什么值得看全模态视频模型本地运行首现实测，但 15 秒视频需 45 分钟与 115 GB，落地仍远。