MiniMax-H3 V7(FastH3 Omni):8步生成带声视频,比原版快近10倍。参考图、视频、声音全都能用!

FastH3 Omni 是 FastVideo(Hao AI Lab)与 Nuva Lab 合作发布的一款开源视频生成模型。它基于 MiniMax H3 进行蒸馏加速,核心能力是:输入一段文字描述 + 参考图片/视频/音频,快速生成一段带同步立体声音频的视频。这是一款又快又灵活的"参考素材驱动"音视频生成工具,特别适合想快速把图片/片段变成带声音视频的创作者和开发者。

想象你有一张人物照片、一段动作参考视频,再加上一段想要的配音或背景音乐。把这些参考素材按顺序喂给模型,再写一句提示词(比如"让这个人在雨中走路,声音同步"),模型就能在很少的计算步骤里,生成一段画面和声音匹配的短视频。它不是从零开始"瞎编",而是尽量参考你提供的素材来生成,因此可控性更强。

主要特点

速度很快:只需 8 步 transformer 计算(原始 MiniMax H3 大约需要 50 步),实测端到端延迟可降低约 5.6~11.9 倍。

支持多模态参考:最多接受 9 张图片 + 3 段视频 + 3 段音频(总计不超过 12 个参考),至少需要一张图片或一段视频。提示词里用 <Picture 1>、<Video 1>、<Audio 1> 这样的标签来指定顺序。

音画同步生成:一次生成视频 + 32kHz 立体声音频,输出帧率 24 FPS,常见时长约 5/10/15 秒。

开源可本地运行:提供 BF16 完整权重,以及适合不同显卡的量化版本(FP8、NVFP4 等),支持 ComfyUI、FastVideo 本地推理和 UniServe 部署。

基于蒸馏技术:在保持较高质量的前提下大幅加速,属于"参考条件视频生成"(reference-to-video / Ref2VA)。

应用领域

内容创作与短视频制作:快速把静态图或参考片段变成带配音的短视频,适合自媒体、短视频平台。

广告与营销:根据产品图、人物参考和指定旁白,快速生成广告素材。

动画/影视预演与概念验证:用参考素材快速试画面风格、动作和声音匹配。

本地 AI 创作工作流:搭配 ComfyUI 等工具,个人创作者或小团队可在本地 GPU 上高效生成。

多模态交互应用:需要同时控制画面一致性和音频同步的场景(如虚拟角色、故事动画等)。

使用教程: (建议N卡,显存8G起,运存32G起,支持50系显卡)

整合包包含所需所有节点,下载主程序和模型(ComfyUI文件夹),解压主程序一键包,将ComfyUI文件夹移动到主程序目录下即可。

WebUI模式:

双击启动跳转,进入WebUI后,根据需要选择生成模式(支持文生视频/首尾帧视频生成/多图、音视频参考生成),上传图像,输入提示词,设置相关参数,运行生成即可。

8G显存显卡用户,建议开启高级设置里的"低显存模式"选项

ComfyUI模式:

双击启动ComfyUI,进入页面后,点击左侧的 工作流程,选择对应的工作流

根据需要开启图像和音视频节点,上传图像,输入提示词,设置相关参数,运行生成即可。

实测8G显存可以运行,但需要开启共享显存,且运存需要32G起。

关于提示词:可使用本站发布的 MiniMax-H3提示词增强器,也可以借助大模型生成。

百万像素和宽高比 对应参数 供大家参考

| 0.2 | 16:9 | 608 x 352 |

| 0.3 | 16:9 | 736 x 416 |

| 0.4 | 16:9 | 864 x 480 |

| 0.5 | 16:9 | 960 x 544 |

| 0.6 | 16:9 | 1056 x 608 |

| 0.7 | 16:9 | 1152 x 640 |

| 0.8 | 16:9 | 1216 x 672 |

| 0.9 | 16:9 | 1280 x 736 |

| 0.98 | 16:9 | 1344 x 768 |

| 1.0 | 16:9 | 1376 x 768 |

| 1.2 | 16:9 | 1504 x 832 |

| 1.5 | 16:9 | 1664 x 928 |

| 1.8 | 16:9 | 1824 x 1024 |

| 2.0 | 16:9 | 1920 x 1088 |

软件目录结构:

📂 ComfyUI/

├── 📂 models/

│ ├── 📂 diffusion_models/

│ │ └── fasth3_omniref_8step_pruned_int8_convrot.safetensors

│ ├── 📂 text_encoders/

│ │ └── qwen3vl-32B-MiniMax-H3-Q4_K_M.gguf

│ └── 📂 vae/

│ └── minimax_h3_audio_vae_fp32.safetensors

│ └── minimax_h3_video_vae_int8_convrot.safetensors

📂 deepface/

......

下载地址:点此下载

相关推荐
泯泷1 小时前
让 Agent 分清“马上办、等一等、顺手办”
人工智能·llm·agent
鲜于言悠9051 小时前
Claude Fable 5.2 登场,专治复杂推理与长任务
人工智能
联犀2 小时前
如何工程化降低语音交互AI设备的延迟(小智ai,芙崽这样的ai设备)
人工智能
杉岩数据2 小时前
杉岩数据董事长陈坚:从数据存储到行业智能——杉岩的AI时代战略布局
人工智能
冬奇Lab2 小时前
Loop 工程到底是高深的新技术,还是炒冷饭?用训练一个识别狗的模型讲明白
人工智能
冬奇Lab3 小时前
一天一个开源项目(第260篇):Plannotator —— 给 AI 编码 Agent 配一块「可批注的审阅台」,计划和代码改动都能在浏览器里逐条批示
人工智能·开源·claude
泯泷3 小时前
语音,正在成为 AI Agent 最自然的接口
人工智能·llm·agent
杨凯凡4 小时前
IT日报|2026-11-13:GitHub 大规模凭据攻击、Signal 形式化验证、Claude 新模型与 AI 安全诉讼
人工智能·安全·github
一个天蝎座 白勺 程序猿4 小时前
别让收藏夹替你学习:我搭AI知识体系的完整方法,脚本直接拿去用
人工智能·学习·ai·ai学习
伞伞悦读4 小时前
【第83期】特征选择中的验证泄漏排查的实验与排查
人工智能·深度学习·机器学习