/ Модель
Каталог

Характеристики

Лицензия
Своя лицензия
Базовая модель
MiniMax-H3
Библиотека
sglang
Опубликована
14 сен 2026

Ссылки

Hugging Face

minimax-h3-ref2va-larry-v4-strength-0.7

NaukNauk
Видео по тексту и кадрамИзображение, текст → видео

Объединённый трансформер MiniMax-H3 Ref2VA для генерации видео со звуком по референсному изображению и текстовому запросу.

0скачиваний за 30 дней0лайковвеса обновлены14 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

Это объединённый чекпойнт трансформера Ref2VA для MiniMax-H3, опубликованный NaukNauk. Веса получены слиянием исходного MiniMaxAI/MiniMax-H3 и Larry v4 Turbo LoRA с коэффициентом 0,7; применено 259 целевых тензоров. Репозиторий содержит только трансформер, а не полный конвейер генерации: для запуска нужны остальные компоненты раздела Ref2VA базовой модели, включая процессор, токенизатор, текстовый энкодер и видео- и аудио-VAE.

Модель предназначена для генерации видео по референсному изображению и текстовому запросу. В README описан успешный пробный запуск с генерацией видео и аудио через MiniMaxH3Pipeline в SGLang, однако проверка подтверждает целостность слияния и возможность инференса, а не качество результатов или оптимальные настройки для всех сценариев. Указана лицензия other; дополнительных условий лицензии карточка не приводит.

Сценарии применения

  • генерация видео по референсному изображению и текстовому описанию
  • создание коротких видеосцен с аудиосопровождением
  • инференс MiniMax-H3 Ref2VA в SGLang

Ограничения

Это только трансформер: для работы нужны остальные компоненты базовой модели MiniMax-H3 Ref2VA и соответствующий конвейер. Проверка запуска не является оценкой качества и не устанавливает оптимальные настройки для всех запросов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniMax-H3 Ref2VA + Larry v4, strength 0.7

Premerged Ref2VA transformer only, built from the clean original model and Larry v4 Turbo LoRA at strength 0.7. This is a weight checkpoint, not a LoRA adapter or a complete pipeline.

Provenance

  • Base: MiniMaxAI/MiniMax-H3@42ed227ee7df40d41602854ae760620d6eb651fe, partition Ref2VA
  • LoRA: larryvrh/MiniMax-H3-Turbo-Lora@43a74557ac3f6539db8e0f2a959d03feb7a81480
  • LoRA file: minimax_h3_turbo_v4_step600_ema.safetensors
  • LoRA SHA-256: 5f3a626cd72c93a8b9318d6760c510bc5092d2ab13aaba1f932c5bab07a416d3
  • Merge: W_base + 0.7 * (B @ A) with chunked FP32 accumulation, then conversion to each original tensor dtype
  • Applied targets: 259; transformer shards: 13

The merge starts from the clean base checkpoint. It is not a rescaling of an already merged strength-1.0 checkpoint. Full provenance and file hashes are in nauknauk_turbo_merge.json.

Assembly and use

Use the transformer directory from this repository together with the non-transformer components of the pinned base model's Ref2VA partition:

<model-root>/Ref2VA/
  transformer/       # this repository
  model_index.json   # pinned MiniMax-H3 Ref2VA base
  processor/         # pinned base
  tokenizer/         # pinned base
  text_encoder/      # pinned base
  video_vae/         # pinned base
  audio_vae/         # pinned base

Serve the assembled root with MiniMaxH3Pipeline and --model-variant ref2va. Preserve any other non-transformer files in the base partition. Do not apply the Larry LoRA again on top of this merged transformer.

Validation scope

All 259 LoRA target tensors were checked against the live model across TP=2 and Ulysses=2 on four H100 GPUs. A reference-image-to-video smoke test completed with video and audio using SGLang 0.5.17, a 4-second request, short edge 480, aspect ratio 16:9, num_inference_steps=10, tail extension 0, video shift 12 and audio shift 3. Details are in validation.json.

These checks establish merge integrity and successful inference. They are not a quality comparison or a recommended optimum for every prompt, resolution, or step schedule.

License and access

This derivative remains subject to the MiniMax-H3 community license in LICENSE and the upstream model's terms. The source LoRA declares license apache-2.0; its license is copied as LICENSE-LORA when provided upstream. Credit: MiniMax and larryvrh.

Access is manually gated, matching the existing NaukNauk MiniMax-H3 merged transformer repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · sglang

Нельзя запустить

Задача «image-text-to-video» пока не поддерживается рантаймом.

Ревизия весов
9884044

0 моделей

    Создать бенчмарк