mere.run: 一个CLI搞定文本图像视频音乐3D本地生成

本地AI工具常见的问题是环境依赖太重，要么得装Python和一堆库，要么只能在某一类硬件上跑。mere.run这个项目走了一条不一样的路：一个二进制CLI，覆盖文本、图像、视频、音乐和3D生成，而且完全不需要Python。它是用Swift写的，底层推理在Mac上走MLX，GGUF模型走llama.cpp，音视频混流用FFmpeg，其他上游模型没有MLX版的会离线转好再放HuggingFace。所以用户拉下来就是开箱即用，不用操心包冲突。

安装后跑一行 mere.run model capabilities --recommended，它会先检查你机器的内存和GPU，然后推荐能跑的模型，避免下下来跑不动。这种“先诊断再推荐”的做法挺实际的，特别是对于刚入门的人来说，少了很多试错成本。

功能列表确实吓人：文本生成、聊天、代码、图像生成、语音合成/识别、视觉（caption/分割/追踪/姿态/深度/人脸/OCR）、音乐、音效、视频、2D转3D、持久世界、LoRA训练……基本上你想得到的本地生成类任务它都塞进去了。它还有一个workflow层，用类型检查的图来描述任务，可以生成不可变的job bundle，在本机跑或通过SSH甚至多机relay跑。relay服务目前邀请制，但代码开源MIT，可以自己搭。

我试了一下图像生成，命令 mere.run image --prompt "cat in space" 很快出来一张256x256的图（默认小图），生成速度在M1 Mac上大概十几秒，换成更大模型要多等一会儿。3D和音乐还没细玩，但命令行help写得清楚，completion也完善，上手没什么障碍。

唯一想吐槽的是模型管理目前只能看 model capabilities，没有直接list已下载模型的命令，得去缓存目录翻。另外部分模型有单独许可证，CLI会在第一次拉时提示，但没有强调商用限制，建议用之前自己看一下。

总体感受：如果你手头有闲置Mac或N卡，想绕过各类环境坑直接玩本地多模态生成，mere.run这个项目值得一试。它把多个模型的调用统一成一个命令，还保留了脚本化和服务化的灵活性，而且完全离线、无需注册、不联网。作为个人开发者花了这么多功夫做一个MIT项目，应该支持一下。