/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

minimax-h3-ref2va-larry-v4-strength-1.3

NaukNauk
Видео по тексту и кадрамИзображение, текст → видео

Объединённый трансформер MiniMax-H3 Ref2VA с Larry v4 Turbo LoRA для генерации видео по референсному изображению и текстовому запросу.

0скачиваний за 30 дней0лайковвеса 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

Это предварительно объединённый трансформер Ref2VA модели MiniMax-H3, опубликованный NaukNauk. Он получен слиянием весов базовой MiniMaxAI/MiniMax-H3 и адаптера Larry v4 Turbo LoRA с коэффициентом 1,3; это только чекпойнт трансформера, а не отдельный адаптер или готовый конвейер генерации. Для работы его нужно собрать с остальными компонентами Ref2VA из закреплённой версии базовой модели и запускать через MiniMaxH3Pipeline с вариантом ref2va.

Модель предназначена для генерации видео по референсному изображению; метаданные также относят её к задаче image-text-to-video, а карточка базовой модели описывает создание коротких видео со стереозвуком. Проверена целостность слияния и успешный пробный запуск генерации видео и аудио на запросе длительностью 4 секунды. Проверка не сравнивала качество с другими версиями и не устанавливает оптимальные настройки для разных запросов. Лицензия указана как other; конкретные условия следует сверить с лицензиями базовой модели и адаптера.

Сценарии применения

  • создание короткого видео по референсному изображению и текстовому описанию
  • генерация видео со стереозвуком на основе возможностей MiniMax-H3
  • экспериментирование с усиленным вариантом адаптера Larry v4 Turbo для Ref2VA

Ограничения

Репозиторий содержит только трансформер и требует остальных компонентов Ref2VA из закреплённой версии MiniMax-H3; Larry LoRA повторно применять нельзя. Проверка не является сравнительной оценкой качества и не определяет 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 1.3

Premerged Ref2VA transformer only, built from the clean original model and Larry v4 Turbo LoRA at strength 1.3. 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 + 1.3 * (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

The merge applied all 259 LoRA targets. All 13 shard tensor payloads were SHA-256 checked through header normalization, then loaded freshly from the strength-1.3 checkpoint 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
246ae8c

0 моделей

    Создать бенчмарк