/ Модель

Характеристики

Размер весов
144 ГБ
Лицензия
Своя лицензия
Базовая модель
MiniMax-H3
Библиотека
diffusers
Опубликована
27 авг 2026

FastVideo-FastH3-4-step-Preview-v1-Dense-DataFree

Генерация видеоТекст → видео3 профессии

Экспериментальный чекпойнт FastVideo на базе MiniMax H3 для генерации синхронизированных коротких видео и аудио по тексту за четыре прохода трансформера.

811скачиваний за 30 дней2лайкавеса обновлены4 сен 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Видео» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

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

FastVideo FastH3 4-step Preview v1 Dense DataFree — экспериментальный чекпойнт FastVideo для генерации синхронизированных видео и аудио по текстовому описанию. Это абляционная версия с плотным вниманием на базе MiniMaxAI/MiniMax-H3, обученная методом DMD2 без данных; указанный шаг обучения — 1000. Генерация выполняется за четыре прохода трансформера.

Модель предназначена для быстрого создания коротких аудиовизуальных роликов по текстовым запросам. В README отмечено, что сложное движение, мелкие детали и часть аудио могут получаться хуже, чем у базовой MiniMax H3; сценарии FL2VA и Ref2VA для этого чекпойнта не дистиллировались. Репозиторий содержит веса в формате safetensors и использует библиотеку Diffusers. Модель наследует лицензию MiniMax H3 Community License.

Сценарии применения

  • создание короткого видео по текстовому описанию
  • генерация синхронизированного аудио и видео для текстового запроса
  • быстрый предпросмотр аудиовизуальной сцены
  • эксперименты с малошаговой генерацией видео на базе DMD2

Ограничения

Качество сложного движения, мелких деталей и части аудио может уступать базовой MiniMax H3. Генерация FL2VA и Ref2VA в этом чекпойнте не дистиллировалась.

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

FastVideo-FastH3-4-step-Preview-v1-Dense-DataFree

A dense-attention FastH3 Preview v1 ablation from FastVideo. It generates synchronized video and audio from text with four transformer forwards. This step-1000 model was trained with data-free DMD2.

Blog · Matching LoRA · Recommended checkpoint · FastH3 collection

Run with FastVideo

Install uv, then use the CUDA 13 / Blackwell path below. It selects FastVideo's published CUDA kernel wheel instead of compiling the kernel locally. See the installation guide for other platforms.

git clone https://github.com/hao-ai-lab/FastVideo.git
cd FastVideo
uv venv --python 3.12 --seed
source .venv/bin/activate
UV_TORCH_BACKEND=cu130 uv pip install \
  --no-sources-package fastvideo-kernel \
  -e ".[fasth3]"
FASTVIDEO_ATTENTION_BACKEND=FLASH_ATTN FASTVIDEO_FA4=1 \
python examples/inference/basic/basic_minimax_h3_t2v.py \
  --model-path FastVideo/FastVideo-FastH3-4-step-Preview-v1-Dense-DataFree \
  --prompt "your prompt" \
  --steps 5

Five scheduler points execute the trained four transformer forwards. The default uses four GPUs; other supported GPU counts must divide H3's 56 attention heads.

Scope

This preview supports text-to-audio-video generation. FL2VA and Ref2VA were not distilled. Difficult motion, fine detail, and some audio may remain below the base MiniMax H3 model. This checkpoint inherits the MiniMax H3 Community License.

Acknowledgements

We thank Nuva Lab for bringing production grounding to FastH3 through its experience with real-world creative video-agent workloads. Its production-aligned post-training insights help bridge open-source research to practical data-assisted distillation for commercial video workflows, with Omni Ref as the next focus.

We thank the NVIDIA FastGen team for the DMD2 framework and H3 reference experiment that helped us align the score clock, modality shifts, and backward simulation.

We also thank MiniMax for releasing H3-Base, and the vLLM project, NVIDIA, and MBZUAI for their continued sponsorship and support of FastVideo.

Как запустить

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

GPU в ailist

SGLang Diffusion

Можно запустить

Подбираем GPU…

Ревизия весов
f58c2eb

0 моделей