mere.run kjører tekst, bilde, video og musikk lokalt fra én CLI

Der en vanlig lokal KI-stack betyr llama.cpp for tekst, ComfyUI for bilde og et helt eget oppsett for tale, dekker mere.run alle domenene bak samme kommandolinje. Prosjektet ble lagt ut som Show HN denne uken og beskriver seg selv slik i egen dokumentasjon:

«mere.run er en local-first inference runtime for Apple Silicon og headless Linux.» — prosjektets egen dokumentasjon

Kommandogruppene viser bredden. image generate og image train-lora dekker bildegenerering og trening av egne LoRA-er, text chat og text embed språk og vektorer, vision ocr, segment og track bildeforståelse, speech synthesize og speech diarize tale, music generate og sfx generate lyd, video generate film, og geometry pluss image-to-3d geometri. Under ligger modeller du kanskje kjenner igjen: SAM 3.1 for segmentering, LTX 2.3 for video med synkronisert lyd, ACE-Step for musikk, Qwen3 TTS for tale og Bonsai 27B for visuell chat.

Det praktisk viktigste punktet er api serve, som eksponerer OpenAI-kompatible endepunkter for chat, embeddings, bilde, TTS og STT. Peker koden din i dag mot OpenAI, kan den peke mot din egen maskin uten at klientbiblioteket byttes. Runtimen holder modeller residente med TTL og pinning, slik at du slipper kaldstart mellom hvert kall.

Det er også en gruppe for portable arbeidsflyter, graph, som pakker en kjede av operasjoner som en typet, uforanderlig graf med innholdsadressert bunt. Samme graf kan kjøres lokalt eller sendes til en maskin over SSH, med de samme hendelsene og diagnostikken i begge tilfeller. For deg som vil prototype på laptopen og kjøre den tunge videojobben på en leid GPU-maskin er det den mest praktiske delen av prosjektet, og --progress-json gjør at du kan lese framdriften fra egne skript.

En advarsel er på plass: modellisten og bredden er prosjektets egne påstander, ikke uavhengig testet. Demosesjonen prosjektet viser fram er kjørt på en M4 Max, altså langt over minnebudsjettet i en vanlig laptop. Video, 3D og musikk er de tyngste gruppene, og det er der en svakere maskin først kommer til kort. Den valgfrie macOS-appen Studio bruker samme CLI, modellager og kjørehistorikk, så du låser deg ikke til grafisk grensesnitt.

Hva bør du gjøre?

1. Kjør mere.run setup og deretter mere.run model capabilities --recommended, som inspiserer maskinen din før du laster ned noe stort.
2. Start med en liten bildemodell framfor videostakken: mere.run model pull image-zimage-nano gir deg et første resultat uten å fylle disken.
3. Skal du erstatte et OpenAI-kall, test mere.run api serve mot din egen klient før du flytter produksjonslast dit.