FastVideo/FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree · Hugging Face

来源：https://huggingface.co/FastVideo/FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree
FastVideo (https://github.com/hao-ai-lab/FastVideo)

https://huggingface.co/FastVideo/FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree#fastvideo-fasth3-4-step-preview-v1-vsa-datafreeFastVideo-FastH3-4-step-Preview-v1-VSA-DataFree

这是来自 FastVideo (https://github.com/hao-ai-lab/FastVideo) 推荐的 FastH3 Preview v1 检查点。它能通过四次 transformer 前向传播，从文本生成同步的视频和音频。这个 step-1300 模型使用无数据 DMD2 和 90% 稀疏度的 VSA-H3 进行了训练。

博客 (https://haoailab.com/blogs/fasth3-preview/)·匹配的 LoRA (https://huggingface.co/FastVideo/FastVideo-FastH3-4-step-Preview-v1-LoRA/tree/main/vsa-datafree)·FastH3 模型集合 (https://huggingface.co/collections/FastVideo/fastvideo-fasth3)

此检查点需要 FastVideo 的 VSA-H3 注意力后端。如果您只想下载蒸馏适配器，请使用上述匹配的 LoRA。

https://huggingface.co/FastVideo/FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree#run-with-fastvideo使用 FastVideo 运行

安装 uv (https://docs.astral.sh/uv/getting-started/installation/)，然后使用下面的 CUDA 13 / Blackwell 路径。它会选用 FastVideo 已发布的 CUDA kernel wheel，而不是在本地编译 kernel。其他平台请参见安装指南 (https://hao-ai-lab.github.io/FastVideo/getting_started/installation/)。

git clone https://github.com/hao-ai-lab/FastVideo.git cd FastVideo uv venv --python 3.12 --seed source .venv/bin/activate UV_TORCH_BACKEND=cu130 uv pip install \ --no-sources-package fastvideo-kernel \ -e ".[fasth3]"

python examples/inference/basic/basic_fasth3.py \ --model-path FastVideo/FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree \ --prompt "your prompt" \ --no-warmup \ --repeats 1

测试时使用的默认设置为四块 B200 GPU 和训练时的四次前向传播调度。在其他多 GPU CUDA 系统上，请遵循安装指南并添加 \-\-no\-replicated\-dit \-\-vsa\-kernel triton \-\-no\-fa4。GPU 数量必须能整除 H3 的 56 个注意力头。

https://huggingface.co/FastVideo/FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree#scope功能范围

此预览版支持文本到音视频生成。FL2VA 和 Ref2VA 未经蒸馏。复杂的运动、精细的细节以及部分音频可能仍低于基础的 MiniMax H3 模型水平。此检查点继承了 MiniMax H3 社区许可证 (https://huggingface.co/FastVideo/FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree/tree/main/LICENSE)。

https://huggingface.co/FastVideo/FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree#acknowledgements致谢

我们感谢 Nuva Lab (https://nuvalab.ai/)，他们凭借在现实世界创意视频智能体工作负载方面的经验，为 FastH3 带来了生产环境的落地基础。其生产环境相关的后训练洞见，有助于将开源研究与实际的数据辅助蒸馏连接起来，以用于商业视频工作流，而 Omni Ref 是下一个重点。

我们感谢 NVIDIA FastGen (https://github.com/NVlabs/FastGen) 团队提供的 DMD2 (https://arxiv.org/abs/2405.14867) 框架以及帮助我们对齐分数时钟、模态转换和反向模拟的 H3 参考实验。

我们也感谢 MiniMax (https://huggingface.co/MiniMaxAI/MiniMax-H3) 发布的 H3-Base，以及 vLLM 项目 (https://vllm.ai/)、NVIDIA (https://www.nvidia.com/en-us/) 和 MBZUAI (https://mbzuai.ac.ae/) 对 FastVideo (https://github.com/hao-ai-lab/FastVideo) 的持续赞助与支持。