/ Модель

Характеристики

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

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

Генерация видеоТекст → видео3 профессии

Дистиллированный чекпойнт FastVideo на базе MiniMax H3 для быстрой генерации синхронизированных видео и аудио по тексту.

853 тыс.скачиваний за 30 дней329лайковвеса 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-VSA-DataFree — чекпойнт FastVideo для генерации синхронизированных видео и аудио по текстовому запросу. Это дообученная и дистиллированная версия MiniMaxAI/MiniMax-H3: четыре прохода трансформера позволяют получать результат за небольшое число шагов. Модель обучена с использованием DMD2 и VSA-H3; для работы требуется attention-бэкенд VSA-H3 проекта FastVideo.

Чекпойнт предназначен для создания коротких аудиовизуальных роликов по текстовому описанию. По README, режимы FL2VA и Ref2VA не дистиллированы и этой версией не поддерживаются. Сложное движение, мелкие детали и часть аудио могут получаться хуже, чем у базовой MiniMax H3. Модель распространяется по лицензии MiniMax H3 Community License.

Сценарии применения

  • создание короткого видео по текстовому описанию
  • генерация ролика с синхронизированным звуком
  • быстрое прототипирование аудиовизуальных сцен

Ограничения

Требуется attention-бэкенд VSA-H3 проекта FastVideo. Сложное движение, мелкие детали и некоторые аудиофрагменты могут уступать по качеству базовой MiniMax H3; режимы FL2VA и Ref2VA не дистиллированы.

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-VSA-DataFree

The recommended FastH3 Preview v1 checkpoint from FastVideo. It generates synchronized video and audio from text with four transformer forwards. This step-1300 model was trained with data-free DMD2 and VSA-H3 at 90% sparsity.

Blog · Matching LoRA · FastH3 collection

This checkpoint requires FastVideo's VSA-H3 attention backend. Use the matching LoRA above if you prefer to download only the distilled adapter.

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]"
python examples/inference/basic/basic_fasth3.py \
  --model-path FastVideo/FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree \
  --prompt "your prompt" \
  --no-warmup \
  --repeats 1

The tested defaults use four B200 GPUs and the trained four-forward schedule. On other multi-GPU CUDA systems, follow the installation guide and add --no-replicated-dit --vsa-kernel triton --no-fa4. The GPU count 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

Запуск проверен

Подбираем GPU…

Ревизия весов
5ea076f

0 моделей