M5 Max 筆電本機跑 AI 影片生成：115 GB、45 分鐘，畫面成了但音軌壞了

MiniMax-H3 在一台 M5 Max MacBook Pro 上完成本機影片生成，代價是約 115 GB 下載與將近 45 分鐘等待，成品畫面成功、音訊失敗，原因是提示詞沒有交代聲音。 ⭐ 文章深度讀：那我現在到底該不該動手 → https://heymaibao.com/minimax-h3-mlx-macbook-local-video-test/ ⚡ 章節重點 開場，一台筆電生出有畫面也有聲音的影片 00:00 MiniMax-H3 是什麼，全模態的意思 00:35 兩天，從模型釋出到你的筆電 01:22 三個數字，115 GB、45 分鐘、15 秒 01:49 畫面成了，聲音壞了 02:53 門檻搬家了，真正變高的是描述能力 03:41 那你現在到底該不該動手 04:47 收尾，問題出在人，這是好消息 05:37 📝 懶人包 ∙ MiniMax 釋出了 MiniMax-H3，官方把它描述成「一套通用的、全模態的生成系統」，實際上是吃文字、圖片、音訊、影片，並產出最長 15 秒、自帶音訊的影片片段 ∙ 那則 8 月 4 日的實測筆記記載，模型釋出兩天後就有人把它移植成能在 Apple Silicon 晶片上跑的版本 (MLX)，實測機器是一台 M5 Max MacBook Pro ∙ 那次實測「下載了大約 115 GB 的模型檔案，影片生成花了將近 45 分鐘」。結果是畫面令人印象深刻，音訊卻是「怪異的類語音垃圾」，筆記作者把原因歸給自己完全沒對聲音下任何指引 ∙ 我的觀察是，這則筆記真正的貢獻是一張誠實的成本單，而它記下的唯一失敗是需求沒講完整。在單機、單次、沒有調參的條件下，本機跑得動全模態影音模型這件事已經成立，接下來卡住的是描述能力 📚 參考資料 simonwillison.net Link Blog：minimax-h3-mlx 實測筆記 → https://simonwillison.net/2026/Aug/4/minimax-h3-mlx/ MiniMax-H3 模型頁 → https://huggingface.co/MiniMaxAI/MiniMax-H3 MiniMax-H3 影片提示詞撰寫指南 (Base 模式) → https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEOPROMPTWRITINGGUIDEbase_en.md PipeNetwork/minimax-h3-mlx → https://github.com/PipeNetwork/minimax-h3-mlx