h3-metal

h3-metalとは

h3-metalは、MiniMax H3をApple Silicon上でネイティブ実行するための推論エンジンです。Metalを使い、テキストからの動画・音声生成、開始・終了フレームによる条件付け、画像・動画・音声を順番に参照するRef2VAをローカルで実行します。

2026年8月9日に公開された初期段階のプロジェクトで、現在はM3 MaxとM5 Maxを中心に、H3固有の速度とメモリ使用量を調整しています。一般ユーザー向けの完成した動画編集アプリではなく、ターミナルでビルド・実行する開発者向けツールです。

主な機能

• Apple Silicon向けネイティブ推論：MiniMax H3の重みをMetalで実行します。
• 動画と音声の同時生成：プロンプトから映像と音声を含むMP4を作成できます。
• 開始・終了フレーム：最初と最後の画像を指定して、その間の動きを生成できます。
• Ref2VA参照：画像、動画、音声を順番に追加し、人物や動き、音の条件として利用できます。
• 対話セッション：モデルを読み込んだ状態でプロンプトやシード、長さ、参照素材を変更できます。
• 速度とメモリの調整：ステップ数、層数、再利用、内部解像度、SSDストリーミングを選べます。

導入の前提

公式手順ではMiniMax H3のHugging Faceスナップショット、FFmpeg、FFprobe、C/C++のビルド環境が必要です。

make -j8
mkdir -p outputs
./h3 --info -d ./MiniMax-H3

モデルの読み込みと生成には大きなユニファイドメモリが必要です。SSDストリーミングはDiT重みの常駐量を減らせますが、OSやVAE、メディアバッファを含むPC全体の必要RAMを約2GBにする機能ではありません。

どんな人に向くか

• Apple Silicon上で動画モデルの推論実装を検証したい開発者
• llama.cppのような低レベルのローカル実行環境を好む人
• MiniMax H3の速度、画質、メモリのトレードオフを自分で測定したい研究者
• クラウドへ素材を送らず、ローカル動画生成の実験を行いたい人

利用時の注意点

公式READMEの速度と画質比較は、特定のMac、解像度、フレーム数、プロンプトを使った開発元の測定です。高速設定では構図、細部、動きが変わる可能性があるため、同じプロンプトとシードで基準設定と比較してください。

h3-metalのコードはMIT Licenseですが、MiniMax H3のモデル重み、入力素材、生成物に適用される条件は別です。商用利用や再配布の前に、それぞれのライセンスを確認してください。

動画生成・編集ツールを探す ／ AnimoXを見る ／ ローカルAI実行ツールの比較

公式情報

• h3-metal GitHub
• MiniMax H3モデル
• MiniMax H3技術レポート