/ Модель

Характеристики

Размер весов
1,3 ГБ
Лицензия
Apache 2.0
Базовая модель
MiniMax-H3
Опубликована
24 авг 2026

minimax-h3-4step-lora-flashgen

Видео из изображенияИзображение, текст → видео3 профессии

Beidouqixing/minimax-h3-4step-lora-flashgen — это дистиллированный LoRA-адаптер для базовой модели MiniMaxAI/MiniMax-H3, разработанный сообществом Beidouqixing.

1 932скачиваний за 30 дней27лайковвеса обновлены22 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Адаптер предназначен для ускоренного выполнения задач text-to-video с аудио (T2VA), а также указан как компонент сценариев image-to-video. Для использования требуется базовая модель MiniMax-H3; перед развертыванием адаптер необходимо объединить с ней.

Модель обучена методом distribution matching distillation (VSD, без GAN) на Ascend NPU. Она рассчитана на четыре шага инференса и генерирует результат с разрешением 1344×768 и длительностью 5,2 секунды. LoRA имеет ранг 64 и изменяет слои qkv_proj, out_proj, fc1, fc2 и adaln_proj.linear. В репозитории указан файл весов в формате bf16, а также скрипт для объединения адаптера с базовой моделью и добавления base_schedule.

Основное преимущество адаптера — существенное сокращение числа шагов генерации по сравнению с обычным режимом, что может повысить скорость инференса и упростить развертывание. Ограничения включают зависимость от MiniMax-H3, необходимость предварительного объединения весов и ориентированность на инфраструктуру Ascend NPU с развертыванием через MindIE-SD или vllm-omni. Поддерживаемые языки в карточке модели указаны как английский и китайский. Лицензия — Apache-2.0.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniMax-H3 4-Step LoRA (FlashGen)

4-step distilled LoRA for MiniMax-H3 text-to-video+audio (T2VA). Trained on Ascend NPU with data-free distillation; merge into the base model and inject base_schedule before vllm-omni / MindIE-SD deployment.

Files

FileDescription
minimax_h3_4step_lora_flashgen_v1.0_768p_bf16.safetensorsStudent LoRA, rank 64, bf16
merge_lora_ckpt.pyMerge LoRA into base model and inject base_schedule

Training config

ItemValue
MethodDistribution matching distillation (VSD, no GAN), trained on Ascend NPU
TaskT2VA
Inference steps4
Resolution1344×768, 5.2s
base_schedule[1.0, 0.7, 0.4, 0.15, 0.0]
LoRA targetsqkv_proj, out_proj, fc1, fc2, adaln_proj.linear
LoRA rank64

Usage

Requires base model MiniMaxAI/MiniMax-H3.

Merge with merge_lora_ckpt.py before vllm-omni / MindIE deployment:

python merge_lora_ckpt.py \
  ${MODEL_ROOT}/FL2VA \
  minimax_h3_4step_lora_flashgen_v1.0_768p_bf16.safetensors \
  ./minimax-h3-4step-flashgen

export MODEL=./minimax-h3-4step-flashgen/FL2VA

Deployment (MindIE-SD / vllm-omni)

For Ascend NPU inference and serving, see the MindIE-SD deployment guide:

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → видео» пока не запускаются: нужен ввод изображения для diffusion.

Ревизия весов
d0acd0f

0 моделей