MiniMax hat mit MiniMax-H3 ein ambitioniertes Omni-Modal-Generativmodell veröffentlicht, das Text, Bilder, Audio und Video verarbeitet und daraus bis zu 15 Sekunden lange Videoclips mit Audio-Synthesis produzieren kann. Ein Entwickler hat das Modell erfolgreich via MLX-Port auf seinem M5 Max MacBook Pro zum Laufen gebracht und dokumentiert den praktischen Prozess mit Beispielen. Die Qualität der generierten Videos ist beeindruckend, zeigt aber auch noch Herausforderungen bei der Audio-Synthesis, wenn keine präzise Prompt-Guidance gegeben wird.
