MiniMax-H3 通过 MLX 移植可在 Apple Silicon 上运行

2026-08-05 03:10· 5天前· Simon Willison

AI 导读

MiniMax 发布 MiniMax-H3，一个可接受文本、图像、音频和视频并生成最长 15 秒带音频视频片段的通用全模态生成系统。Python 包 PipeNetwork/minimax-h3-mlx 将其移植到 MLX，支持 Apple Silicon 运行。作者在 M5 Max MacBook Pro 上实测，下载约 115 GB 模型文件，视频生成耗时不到 45 分钟。

推荐理由

在 M5 Max 上生成本地视频的 45 分钟耗时，为判断这类模型何时能进入日常工作流提供了具体的参照。

正文 · AI 翻译

两天前——他们将其描述为“一个通用型、全模态生成系统”，实际上这意味着它可以接受文本、图像、音频和视频输入，并利用这些内容生成最长 15 秒、包含音频的视频片段。

这个 Python 包将其移植到 MLX，以便在 Apple Silicon 上运行。

我成功在我的 M5 Max MacBook Pro 上运行了它。我克隆了仓库，并按如下方式运行模型：

# First download the models
uvx --from huggingface_hub hf download MiniMaxAI/MiniMax-H3 \
  --include 'FL2VA/*' --exclude 'FL2VA/transformer/*'
uvx --from huggingface_hub hf download pipenetwork/MiniMax-H3-MLX-8bit

# Now run the prompt
uv run --with mlx-vlm \
  --with-requirements requirements.txt python scripts/generate.py \
  "a rainbow colored skunk leaps over a mossy log in a supermarket" \
  -o skunk.mp4 \
  -c ~/.cache/huggingface/hub/models--MiniMaxAI--MiniMax-H3/snapshots/fa9c8ab1eaa21c8ae25e7e40b83b2e6002f340af/FL2VA \
  -t ~/.cache/huggingface/hub/models--pipenetwork--MiniMax-H3-MLX-8bit/snapshots/3ac52081470b0488921c3ec3ba84a39097bf2361

以下是我根据提示词生成的视频：

一只彩虹色的臭鼬在超市里跃过一根长满苔藓的原木

它下载了约 115 GB 的模型文件，视频生成耗时不到 45 分钟。

视频效果令人印象深刻，但音频听起来像是奇怪的类似语音的噪音，因为我没有为音频提供任何提示词指导。提示词指南（我在这次实验之前没有阅读）包含了大量关于如何让音频正常工作的信息。

标签：ai, generative-ai, mlx, text-to-video, minimax

来源：Simon Willison 博客 · simonwillison.net