这些家伙造出了一台无限电影生成机… @fal 微调的 Minimax H3 Max 速度提升50倍：仅需3秒计算就能生成5秒视频，其生成速度甚至快过播放速度。我找到了开源版本：https://huggingface.co/FastVideo/FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree…

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)

FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree

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与音频。这个 step-1300 模型采用了无数据 DMD2 与 90% 稀疏度的 VSA-H3 进行训练。

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

本检查点需要 FastVideo 的 VSA-H3 注意力后端。如果您希望仅下载蒸馏适配器，请使用上方的匹配 LoRA。

使用 FastVideo 运行

安装 uv (https://docs.astral.sh/uv/getting-started/installation/)，然后按照下方的 CUDA 13 / Blackwell 路径操作。这将选择 FastVideo 已发布的 CUDA kernel wheel 包，而非本地编译内核。其他平台请参阅安装指南 (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

测试使用的默认设置为四块 B200 GPU 和训练好的四步前向调度方案。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。

适用范围

此预览版支持文本到音视频生成。FL2VA 和 Ref2VA 未经蒸馏。对于高难度运动、精细细节以及部分音频，效果可能仍不及基础版 MiniMax H3 模型。本检查点继承了 MiniMax H3 社区许可证 (https://huggingface.co/FastVideo/FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree/tree/main/LICENSE)。

致谢

我们感谢 Nuva Lab (https://nuvalab.ai/) 凭借其在实际创意视频智能体工作负载中的经验，为 FastH3 带来了生产环境所需的落地能力。其面向生产的微调洞见有助于将开源研究与商业视频工作流的实用数据辅助蒸馏桥接起来，下一步的重点将是 Omni Ref。

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 H3 参考实验，这帮助我们校准了评分时钟、模态转换和反向模拟。

同时感谢 MiniMax (https://huggingface.co/MiniMaxAI/MiniMax-H3) 发布 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) 持续的赞助与支持。

Rehan Sheikh (@rehan_shei): Minimax H3 Max 生成视频的速度快过播放速度，所以我把它接到了 Twitch 直播上！现在你可以观看无限的跨维度频道了 - 直播链接见下方。