/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
FastVideo-FastH3-8-Step-V2
Библиотека
uniserve
Опубликована
16 сен 2026

FastVideo-FastH3-8-Step-V2-NVFP4

Генерация видеоТекст → видео

Квантованный чекпойнт FastVideo для генерации синхронизированных видео и аудио по текстовым описаниям с восемью проходами трансформера.

0скачиваний за 30 дней3лайкавеса обновлены23 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-NVFP4 — производный чекпойнт FastVideo/FastVideo-FastH3-8-Step-V2 для генерации синхронизированных видео и аудио по текстовому описанию. Он подготовлен для развёртывания через UniServe и использует NVFP4-квантизацию W4A4 для указанных слоёв денойзера и Video VAE; остальные перечисленные компоненты сохраняют BF16/FP32. Базовая модель использует восемь проходов трансформера и контракт выполнения VSA-H3.

В README приведена проверка генерации пяти роликов длительностью 5 секунд в разрешении 1344×768 при 24 кадрах в секунду. Измерения сравнивают результаты с образцами той же базовой модели на совпадающих промптах и seed, но основаны на данных калибровки, а не на независимой отложенной выборке; авторы не заявляют перцептивную эквивалентность. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория и базовой модели.

Сценарии применения

  • генерация коротких видео по текстовому описанию
  • создание синхронизированных видео и аудио по промпту
  • быстрый инференс FastH3 в среде UniServe

Ограничения

Проверка качества выполнена на промптах из набора калибровки, а не на независимой отложенной выборке, и не подтверждает перцептивную эквивалентность базовой модели. Лицензия обозначена как other; условия использования нужно уточнить в репозитории.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FastVideo-FastH3-8-Step-V2-NVFP4

This UniServe deployment checkpoint applies calibrated NVIDIA Model Optimizer NVFP4 W4A4 to the fused gate/up and down projections in all 50 H3 denoiser gated MLPs and to the qkv, attention-output, fused gate/up, and down projections in all 36 Video VAE decoder Transformer blocks; denoiser attention, the BF16 text encoder, token refiner, modulation, normalization, latent and conditioning boundaries, convolutions, residual/affine paths, and audio decoder remain BF16/FP32. Calibration used 1,000 prompts with complete eight-forward denoising trajectories and deployment-distribution VAE decoding, ModelOpt commit 6a4b3f147e14a6fec690fedbced8df402344085d, E2M1 values, K16 FP8 E4M3 block scales, FP32 tensor scales, and calibration-derived activation tensor scales.

This repository is a UniServe deployment checkpoint in NVIDIA Model Optimizer's unified Hugging Face layout, derived from FastVideo/FastVideo-FastH3-8-Step-V2. It generates synchronized video and audio with eight transformer forwards and retains the source checkpoint's VSA-H3 execution contract, including video scheduler shift 10 and VSA sparsity 0.8.

Run with UniServe

The quantized transformer and vae components store packed E2M1 values in .weight, K16 FP8 E4M3 block scales in .weight_scale, the FP32 weight scale in .weight_scale_2 and the static activation scale in .input_scale, and each declares a quantization_config (quant_method: modelopt, quant_algo: NVFP4) in its config.json; layers listed under ignore stay dense. UniServe detects this configuration automatically. The checkpoint does not require NVIDIA Model Optimizer at deployment time and rejects runtime precision presets or component overrides that would conflict with its calibrated weights and scales. The tensors are the calibrated values and scales of this repository's earlier packed layout, renamed and described bit for bit, so the validation below applies unchanged.

uniserve serve skx618/FastVideo-FastH3-8-Step-V2-NVFP4 \
  --served-model-name MiniMax-H3 \
  --dtype bfloat16

The checkpoint targets the source model's four-B200 execution contract. The GPU count must divide H3's 56 attention heads.

Validation status

The denoiser and Video VAE components were exported after their complete 1,000-record Phase A and Phase B calibration jobs. An executable-checkpoint review generated five 5-second, 1344×768, 24-fps synchronized audio/video samples from this checkpoint and five same-prompt, same-seed quality-reference samples successfully while preserving the source model's VSA sparsity 0.8 contract. Across those five pairs, mean RGB PSNR was 11.92 dB, SSIM 0.3647, AlexNet LPIPS 0.5184, and audio log-mel cosine 0.9346. These prompts came from the calibration-source dataset, so the measurements describe trajectory drift and generation viability, not independent held-out quality acceptance; no perceptual-equivalence claim is made.

License

This derivative inherits the MiniMax H3 Community License and the source checkpoint's usage conditions.

Как запустить

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

GPU в ailist

Универсальный рантайм · uniserve

Нельзя запустить

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

Ревизия весов
0aa5247

0 моделей