h3-metal 是一个专为苹果 Silicon（M1/M2/M3/M5 系列芯片）深度优化的开源 AI 视频生成推理引擎，它能让你的 Mac 无需联网、不依赖云端服务，直接在本地运行 MiniMax 公司发布的 H3 多模态大模型，实现“文字→视频/音频”的端到端生成。它不是简单的模型移植，而是从 Metal 图形框架底层重构的高性能推理实现，真正释放 Apple 芯片的 GPU 与神经引擎潜力——告别卡顿等待，一部 M3 Max 笔记本就能流畅生成 512×512 分辨率、6 步扩散的创意短视频。
核心功能
- 原生 Metal 加速：完全绕过 CPU 推理瓶颈，所有计算（包括 DiT 视频扩散、BF16 条件编码、VAE 解码）均通过 Apple 的 Metal Performance Shaders 高效调度，显著提升帧率与内存带宽利用率
- 交互式视频创作：启动即进入类 Iris 的命令行交互会话，支持实时输入文本提示、动态调整时长（
!seconds 2）、切换随机种子（!seed random）、预览（!show）与一键保存（!save output.mp4） - 智能条件控制：支持首帧/末帧图像引导生成（first/last-frame conditioning），让视频开头或结尾严格匹配你提供的参考图，大幅提升可控性
- 有序多模态参考：可按顺序注入图像、视频、音频作为 Ref2VA 参考源（ordered references），实现“图+音+文”混合驱动的精准生成
- 内存智能复用：首次提示处理后，Prompt 编码器、DiT 主干网络和视频解码器常驻显存，重复生成相同提示仅需重采样随机种子，耗时降低 70%+
- 轻量诊断与调试：提供
--info模式快速校验模型结构、权重布局与 Metal 设备识别结果，不加载全部参数即可确认环境兼容性
适合哪些人用
这款工具特别适合三类用户：一是创意工作者（设计师、短视频编导、独立动画师），需要在离线环境快速验证视觉概念；二是AI 研究者与开发者，希望深入理解多模态扩散模型在 Metal 上的底层调度机制，或基于其架构二次开发；三是苹果生态技术爱好者，乐于探索 M 系列芯片在生成式 AI 领域的真实性能边界——无需 NVIDIA 显卡，也不用折腾 Docker 或复杂 Python 环境，纯 C + Metal 就是全部依赖。
快速上手
只需四步即可运行：
- 从 Hugging Face 下载 MiniMax-H3 模型快照（如
MiniMax-H3文件夹），置于项目根目录 - 确保系统已安装 FFmpeg 和 FFprobe（可通过
brew install ffmpeg安装） - 执行
make -j8编译（自动适配当前 Mac 的 Metal 版本），生成./h3可执行文件 - 运行交互模式：
./h3 -d ./MiniMax-H3 --width 512 --height 512 --steps 6，输入任意中文或英文提示词，回车即开始生成
提示：首次运行建议先用 ./h3 --info -d ./MiniMax-H3 确认模型路径与设备识别无误；生成过程中输入 !help 可查看全部快捷指令。
项目信息
MiniMax H3 inference engine for Mac computers
391
Stars
18
Forks
C
MIT
编程语言：C｜GitHub Star 数：391｜开源协议：MIT｜GitHub 项目地址
如果你有一台 M 系列 Mac，又不想把创意交给云端、不愿忍受 Python 环境的繁琐配置，那么 h3-metal 就是你目前最轻量、最高效、也最“苹果味”的本地 AI 视频生成方案。
