/ Модель

Характеристики

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

FastVideo-FastH3-8-Step-V2

Генерация видеоТекст → видео3 профессии

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

3 521скачиваний за 30 дней124лайкавеса обновлены15 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

FastVideo-FastH3-8-Step-V2 — чекпойнт FastVideo для генерации синхронизированных видео и аудио по тексту. Он основан на MiniMax H3 и выдаёт результат за восемь проходов трансформера; версия соответствует шагу обучения 1300 и обучалась методом DMD2 вместе с VSA-H3 при разреженности 80%. Для работы требуется backend внимания VSA-H3 из FastVideo.

Модель предназначена для быстрого создания аудиовизуальных роликов по текстовому описанию. Режимы FL2VA и Ref2VA не дистиллированы, поэтому карточка заявляет поддержку только генерации видео и аудио из текста. 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 со звуком по текстовому запросу
  • быстрое прототипирование аудиовизуальных сцен
  • генерация синхронизированного видео и аудио для творческих проектов

Ограничения

Для работы требуется backend внимания VSA-H3 из FastVideo. Сложное движение, мелкие детали и часть аудио могут уступать 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-FastH3-8-Step-V2

The FastH3 8-Step V2 checkpoint from FastVideo. It generates synchronized video and audio from text with eight transformer forwards. This step-1300 model was trained with data-free DMD2 and VSA-H3 at 80% sparsity.

Blog · FastH3 collection

This checkpoint requires FastVideo's VSA-H3 attention backend. Its video scheduler shift is 10, not the base model's 12; use the example below, which reads the trained schedule from the checkpoint.

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_8step.py \
  --prompt "your prompt" \
  --no-warmup \
  --repeats 1

The tested defaults use four B200 GPUs and the trained eight-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 checkpoint 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

Универсальный рантайм · diffusers

Нельзя запустить

Модель выложена как модульный пайплайн diffusers (modular_model_index.json): рантайм собирает только обычные пайплайны.

Ревизия весов
3da2ddf

0 моделей