MiniMax-H3를 MLX로 Apple Silicon에서 실행

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

MiniMax-H3를 MLX 포트로 Apple Silicon M5 Max에서 실행해 텍스트 프롬프트로 최대 15초짜리 비디오를 생성한 실험 기록이다. Hugging Face Hub에서 uvx로 약 115GB의 모델 파일을 내려받았고 비디오 합성에 약 45분이 소요되었으며 생성물은 시각적으로는 괜찮았지만 오디오는 별도 오디오 프롬프트가 없어 말처럼 들리지만 무의미한 음성이 생성되었다. MLX 포트와 체크포인트 경로 지정, 프롬프트 가이드의 오디오 지침이 로컬 실험에서 중요한 요소로 확인되었다.

섹션별 상세

MiniMax-H3는 텍스트·이미지·오디오·비디오 입력을 받아 최대 15초짜리 비디오를 생성하는 옴니모달 생성 시스템이며, 글쓴이는 이를 MiniMax가 공개한 방식대로 MLX 포트로 로컬에서 실행했다. 로컬 실행을 위해 Hugging Face Hub에서 관련 체크포인트를 uvx로 내려받고 MLX 환경에서 generate.py를 호출하는 흐름을 사용했다. 이 절차는 모델 파일 용량과 실행 시간이 큰 제약으로 작용하므로 로컬 실험 환경에서는 저장공간과 처리 시간을 고려해야 한다.

MLX 포트는 Apple Silicon 환경에서 모델을 돌리기 위한 핵심 구성으로, 글쓴이는 M5 Max MacBook Pro에서 포트를 활용해 모델을 실행해 성공적으로 비디오를 생성했다. 실행 과정에는 MLX 전용 8비트 체크포인트와 원본 FL2VA 체크포인트를 함께 지정해 가중치를 로드하는 방식이 쓰였다. 이 접근법은 Apple Silicon에서 대형 멀티모달 모델을 실험적으로 구동하려는 개발자에게 실용적인 경로를 제공한다.

실험에서 필요한 모델 파일 총합은 약 115GB이고 비디오 생성에는 약 45분이 소요되었다는 점이 명확하게 기록되어 있어 자원 추정 근거를 제공한다. 이 수치는 다운로드 시간과 로컬 디스크 요구량, 그리고 비디오 합성 처리비용을 가늠하는 데 직접적인 근거가 된다. 따라서 유사한 실험을 계획할 때 하드웨어 사양과 시간 예산을 사전에 확보해야 한다.

생성된 비디오는 시각적으로 인상적이었지만 오디오는 프롬프트를 따로 지정하지 않아 사람처럼 들리지만 무의미한 음성 합성물이 나왔다고 보고되었다. 글쓴이는 프롬프트 가이드가 상세한 오디오 지침을 포함하고 있음을 밝히며, 적절한 오디오 프롬프트를 입력해야 자연스러운 소리 출력을 얻을 수 있다고 기록했다. 이는 텍스트 기반 프롬프트만으로는 멀티모달 출력의 모든 축을 제어하기 어렵다는 실험적 근거가 된다.

용어 해설

MiniMax-H3 모델(MiniMax-H3): — MiniMax-H3는 텍스트·이미지·오디오·비디오 입력을 받아 최대 15초 길이의 비디오 클립을 생성할 수 있는 옴니모달 생성 시스템으로 소개되었다. 원문은 이 모델을 ‘general-purpose, omni-modal generative system’으로 분류하고 있다.
MLX 런타임(MLX): — MLX는 Apple Silicon 환경에서 모델을 구동하기 위한 실행 도구군으로, 글쓴이는 MiniMax-H3를 MLX로 포팅한 Python 패키지를 사용해 M5 Max에서 모델을 실행했다. 원문에서는 MLX를 통해 로컬에서 비디오를 생성한 절차가 기술되어 있다.
uvx 다운로드 도구(uvx): — uvx는 Hugging Face Hub에서 모델 파일을 내려받는 명령줄 도구로 본문 예시에서 MiniMaxAI/MiniMax-H3와 pipenetwork/MiniMax-H3-MLX-8bit 저장소의 파일을 각각 다운로드하는 데 사용되었다.
텍스트→비디오 생성(text-to-video): — text-to-video는 텍스트 프롬프트를 입력으로 받아 영상과 음성을 생성하는 기술 영역을 뜻하며, 원문에서는 MiniMax-H3로 최대 15초 길이의 비디오 클립을 생성한 예가 제시되었다.
Hugging Face 허브(Hugging Face Hub): — Hugging Face Hub는 모델과 체크포인트를 호스팅하는 저장소로, 글쓴이는 hf download 명령을 통해 MiniMax-H3 관련 파일을 허브에서 내려받는 절차를 실행했다.

코드 예제

bash

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

이 명령은 Hugging Face Hub에서 MiniMax-H3 관련 파일들을 내려받기 위해 실행한 다운로드 단계이다. 첫 줄은 MiniMaxAI 레포에서 FL2VA 관련 파일을 포함해 필요한 체크포인트만 선택적으로 가져오며, 두 번째 줄은 MLX용으로 변환된 8비트 체크포인트를 내려받는다. 로컬에 대용량 파일이 생성되므로 저장 공간과 다운로드 시간을 고려해야 한다.

bash

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

이 실행 명령은 MLX 런타임을 사용해 generate.py 스크립트를 통해 프롬프트로부터 비디오를 생성하는 전체 파이프라인을 호출한다. -o 플래그는 출력 파일명을 지정하고, -c와 -t 옵션은 각각 FL2VA 체크포인트 경로와 MLX용 8비트 체크포인트 경로를 명시해 모델 가중치를 로드하도록 한다. 이 과정은 종속성 설치와 환경 준비가 완료된 상태에서 수행되어야 하며, 본문에서는 M5 Max 노트북에서 약 45분이 소요된 것으로 보고되었다.

근거 모음

근거

MiniMax-H3는 텍스트·이미지·오디오·비디오를 입력으로 받아 최대 15초 길이의 비디오를 생성할 수 있다. — 본문 첫머리에서 MiniMax-H3를 'general-purpose, omni-modal generative system'이며 'generate up to 15 second video clips with audio included'로 기술.
글쓴이는 MLX 포트를 사용해 M5 Max MacBook Pro에서 모델을 실행했다. — 본문에서 'I got it running on my M5 Max MacBook Pro'라는 실행 기록과 함께 실행 명령 예시가 제공됨.
모델 파일 다운로드로 약 115GB를 사용했고 비디오 생성에는 약 45분이 걸렸다. — 본문에서 'It downloaded ~115 GB of model files, and the video generation took just under 45 minutes.'라는 수치가 명시됨.
오디오는 프롬프트로 오디오 지침을 주지 않아 말처럼 들리지만 무의미한 결과가 나왔다. — 본문에서 'the audio is weird speech-like garbage, because I didn't provide any prompt guidance as to what the audio should be'라고 기술.

기술

MiniMax-H3
MLX
uvx
Hugging Face Hub
Python

활용 사례

텍스트 프롬프트로 단일 장면의 짧은 비디오 클립을 로컬에서 생성해 시각 결과를 빠르게 검토하는 실험
Apple Silicon 노트북에서 대형 멀티모달 모델을 포팅해 비용 효율적으로 프로토타이핑하는 용도
프롬프트 튜닝을 통해 비디오 시각과 오디오 출력을 동시에 개선하는 연구·개발
MLX 기반 8비트 체크포인트를 활용해 모델 실행 메모리 사용량을 낮춘 실험적 배포