/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
MiniMax-H3
Библиотека
diffusers
Опубликована
31 авг 2026

MiniMax-H3-ref2va-int8

Видео по тексту и кадрамИзображение, текст → видео3 профессии

Квантованная до int8 версия workflow ref2va модели MiniMax-H3 для создания коротких видео со стереозвуком по тексту и референсному изображению.

36скачиваний за 30 дней0лайковвеса обновлены31 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

MiniMax-H3 (ref2va, int8) — производная версия MiniMax-H3, подготовленная автором репозитория Papina для запуска сценария ref2va на GPU с меньшим объёмом видеопамяти. Модель создаёт короткие видео со стереозвуком по тексту и референсному изображению; рабочий процесс ref2va использует квантованные компоненты трансформера и текстового энкодера Qwen3-VL.

Два крупных компонента преобразованы из исходных весов bf16 в формат int8 с помощью torchao Int8WeightOnlyConfig без переобучения и калибровки. VAE, аудио-VAE, токенизатор, процессор и планировщики загружаются без изменений из MiniMaxAI/MiniMax-H3. Указана библиотека Diffusers и формат safetensors. В README указано, что исходные трансформер и текстовый энкодер занимают около 130 ГБ в bf16; квантованный вариант рассчитан на GPU с меньшим объёмом VRAM, хотя точные требования для этой версии не приведены.

Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты. Репозиторий содержит только workflow ref2va; сценарии t2va и fl2va следует запускать из исходного репозитория.

Сценарии применения

  • создание короткого видео по текстовому описанию и референсному изображению
  • генерация видеоролика со стереозвуком по визуальному референсу
  • запуск генерации видео MiniMax-H3 на GPU с меньшим объёмом видеопамяти

Ограничения

Репозиторий содержит только workflow ref2va, а не сценарии t2va и fl2va. Указанные условия лицензии обозначены как other, без подробностей в доступных данных.

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

MiniMax-H3 (ref2va, int8)

An int8 weight-only quantized derivative of MiniMaxAI/MiniMax-H3's ref2va workflow, for running on GPUs with less VRAM than the original bf16 checkpoint needs (~130 GB across the transformer and text encoder alone).

What's different from the original

Only the two large components are modified, using torchao Int8WeightOnlyConfig weight-only quantization, converted directly from the original bf16 weights with no retraining or calibration:

  • transformer_ref/ — quantized (originally ~67.3 GB bf16)
  • text_encoder/ (Qwen3-VL conditioner) — quantized (originally ~59.3 GB bf16)

Everything else this pipeline needs — vae/, audio_vae/, tokenizer/, processor/, scheduler/, audio_scheduler/ — is loaded directly from the original MiniMaxAI/MiniMax-H3 repository, unmodified, via this repo's modular_model_index.json.

This repo only carries the ref2va workflow. For t2va/fl2va, use the original repository's transformer/.

Usage

import torch
from diffusers import ComponentsManager, ModularPipeline

manager = ComponentsManager()
manager.enable_auto_cpu_offload(device="cuda")

pipe = ModularPipeline.from_pretrained(
    "Papina/MiniMax-H3-ref2va-int8", workflow="ref2va", components_manager=manager
)
pipe.load_components(dtype=torch.bfloat16)

See the original model card for the full ref2va usage guide (references, num_frames, etc.) — inference works identically, just with a smaller memory footprint.

License

Distributed under the same terms as the original model — see LICENSE and NOTICE. This is a Model Derivative under the MiniMax H3 Community License Agreement.

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

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

Ревизия весов
8abd9b6

0 моделей