Характеристики

Лицензия: Своя лицензия
Базовая модель: MiniMax-H3
Библиотека: sglang
Опубликована: 18 авг 2026

Ссылки

Hugging Face

minimax-h3-turbo-fl2va-merged

NaukNauk

Видео по тексту и кадрамИзображение, текст → видео

Объединённый трансформер MiniMax-H3 FL2VA для генерации видео и аудио по тексту и заданным начальным и конечным кадрам.

0скачиваний за 30 дней0лайковвеса обновлены18 авг 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

NaukNauk/minimax-h3-turbo-fl2va-merged — объединённый трансформер FL2VA для генерации видео и аудио по первому, последнему или обоим ключевым кадрам. Это производная MiniMax-H3: веса базовой модели объединены с адаптером Larry v4 Turbo. Репозиторий содержит только трансформер; для запуска его необходимо собрать с нетрансформерными компонентами раздела FL2VA из закреплённой версии MiniMaxAI/MiniMax-H3.

Модель предназначена для создания видео по изображению и текстовому описанию, в том числе с заданием начального и конечного кадра. Карточка указывает режимы генерации по первому, последнему и паре кадров, а также рекомендует 4–8 вычислений денойзера; настройки планировщика SGLang связывают этому 9 шагов инференса. Веса сохранены в формате safetensors.

Для использования производной действует лицензия MiniMax-H3 Community License; исходный LoRA-адаптер лицензирован Apache-2.0. Сам репозиторий неполон для самостоятельного запуска, поскольку содержит только трансформер, и требует соответствующих компонентов MiniMax-H3 FL2VA.

Сценарии применения

создание видео по изображению и текстовому описанию
генерация видео с заданным первым кадром
генерация видео с заданным последним кадром
создание видео с заданными первым и последним кадрами

Ограничения

Репозиторий содержит только трансформер, поэтому для запуска нужны остальные компоненты FL2VA из закреплённой версии MiniMaxAI/MiniMax-H3. На производную распространяется лицензия MiniMax-H3 Community License.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniMax-H3 FL2VA + Larry v4 Turbo (merged transformer)

This repository contains the premerged FL2VA transformer only for native MiniMax-H3 first-frame, last-frame, and first+last-frame video-and-audio generation. It must be assembled with the non-transformer components from the pinned MiniMaxAI/MiniMax-H3 FL2VA partition before serving.

Pinned provenance

Base: MiniMaxAI/MiniMax-H3@42ed227ee7df40d41602854ae760620d6eb651fe, partition FL2VA
LoRA: larryvrh/MiniMax-H3-Turbo-Lora@43a74557ac3f6539db8e0f2a959d03feb7a81480
File: minimax_h3_turbo_v4_step600_ema.safetensors
LoRA SHA-256: 5f3a626cd72c93a8b9318d6760c510bc5092d2ab13aaba1f932c5bab07a416d3
Merge scale: 1.0
Merged targets: 259
Arithmetic: base dtype output with FP32 chunked W + B @ A accumulation

The Larry v4 model card recommends 4–8 denoiser evaluations. With SGLang's H3 scheduler contract, num_inference_steps: 9 produces 8 denoiser evaluations.

SGLang request mode

Serve the assembled model with --model-variant fl2va. A classic image-to-video request supplies one image condition with role: "keyframe" and frame_index: 0. Use -1 for a last-frame condition, or ordered [0, -1] conditions for both.

This derivative remains subject to the MiniMax-H3 community license linked above. The source LoRA is Apache-2.0 licensed. Repository ID: NaukNauk/minimax-h3-turbo-fl2va-merged.

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: dd9ce42