17 августа 2026 г.
Видео со звуком теперь собирается на домашней машине: у Молика ролик вышел за 3 минуты
Итан Молик прогнал 5-секундный ролик со звуком целиком на своём компьютере за 3 минуты: веса MiniMax H3 открыты с 3 августа.
Ethan Mollick
@emollick
Меньше двух лет спустя — вот какого качества видео с выдрой за ноутбуком в самолёте я получаю (со звуком) от генератора видео с открытыми весами MiniMax H3, который работает целиком на моём компьютере. Генерация заняла около 3 минут. Прогресс и правда быстрый.
С одной стороны, это заметно хуже любой «выдры с вайфаем в самолёте» от лучших генераторов видео по тексту: выглядит как что-то из 2022 года. С другой — всё сделано полностью офлайн, на моём компьютере, открытыми инструментами генерации видео. Это новая возможность.
Меньше двух лет назад офлайн-генератор выдавал Молику картинку уровня 2022 года. Теперь ролик идёт со звуком.
MiniMax выложила веса H3 на Hugging Face 3 августа, и генерация видео со звуком переехала с чужих серверов на домашние машины.
Что нужно на NVIDIA. Поддержку H3 влили в ComfyUI 0.30.0 в день открытия весов: обновляешь ComfyUI и берёшь готовый шаблон Workflow → Browse Templates → Video → MiniMax H3. Файлов на диск уйдёт 39,6 ГБ. Порог по видеопамяти — 12 ГБ на RTX 3060 с тяжёлым офлоадом, на 24 ГБ уже комфортно.
На Mac путь свой. MLX-порт PipeNetwork/minimax-h3-mlx ставится через venv и pip install -r requirements.txt, ролик делает команда python scripts/generate.py "prompt" -o output.mp4. Четырёхбитная сборка держит 11,5 ГБ памяти против 40,3 ГБ у полной.
Время на Apple Silicon считается по-другому. Пятисекундный ролик в 8 шагов занял на M3 Ultra 1,2 часа, а Саймон Уиллисон на MacBook Pro M5 Max ждал около 45 минут.
Звук модель делает не сам собой. Уиллисон получил вместо речи невнятное бормотание: промпт для аудио он не задал и в гайд по промптингу не заглядывал.
Локально модель целится в 768p, полноценные 2K остались за отдельным облачным модулем H3-Regenerate-2K. Клип выходит длиной 4–15 секунд при 24 fps, стерео 32 kHz пишется в том же проходе, что и картинка.
Дальше всё упирается в часы: 15-секундный ролик на Apple Silicon отнимает 8,3 часа.
первоисточник
