Открытую видеомодель MiniMax H3 сообщество ускорило и запустило на домашних видеокартах
Для видеомодели MiniMax H3 со встроенным звуком собрали каталог ускорений и сжатых версий. Одна из сборок, по словам её авторов, работает на картах с 8 ГБ видеопамяти. В другой 14-секундный ролик на восьми B200 генерируется быстрее, чем проигрывается.
Открытую видеомодель MiniMax H3 уже можно запускать не только в дата-центре. Энтузиасты и лаборатории выпустили для неё десятки сжатых и ускоренных версий. MiniMax собрала эту работу в каталог на GitHub, который ведёт сообщество, и похвасталась им в X. Компания называет его примером того, как открытые веса ускоряют общий прогресс.
H3 делает ролики длиной до 15 секунд и разрешением до 2K сразу со стереозвуком. На вход она принимает текст, картинки, видео и аудио. Модель выпущена в двух вариантах. Первый работает от текста или от первого и последнего кадра и обычно даёт более чистую картинку. Второй принимает до 12 файлов-образцов: до девяти изображений, трёх видео и трёх аудиодорожек. Зато качество у него ниже.
Ускорений четыре семейства, и загружать нужно одно из них, а не все сразу. Turbo и PDD сокращают генерацию до четырёх–восьми шагов. PDD придумали в NVIDIA, а к H3 приспособила Alibaba PAI. FastH3 от FastVideo — самый быстрый вариант, но теряет больше всего деталей в текстуре. Его запускают даже на компьютерах Apple. VDN перестраивает сам механизм внимания модели. Авторы заявляют ускорение каждого шага в 2,6–2,9 раза. По их данным, ролик в 768p длиной 14,4 секунды на восьми B200 проходит основную генерацию за 11 секунд, то есть быстрее, чем воспроизводится. Команда SANA из NVIDIA, по словам MiniMax, получила 15 секунд видео со звуком за 6,6 секунды на восьми B300.
Для обычных видеокарт есть сжатые версии. Для карты с 24 ГБ памяти каталог советует начинать с урезанной восьмибитной сборки на 19,5 ГиБ. Отдельно придётся сжать и текстовый модуль: H3 опирается на Qwen3-VL-32B. Сборка DiffSynth-Studio, по словам её авторов, работает от 8 ГБ видеопамяти. Все эти файлы сделало сообщество, а не MiniMax, и совместимость каталог просит проверять самим.
Цифры скорости почти везде приводят сами авторы. Автор соперничающего ускорения Ref2VA-VSA утверждает, что его сборка в 2,24 раза быстрее VDN: около 72 секунд на пятисекундный ролик на RTX 4090. Эти замеры сделаны на разном оборудовании, и независимо их никто не проверял.