MiniMax H3 pruned fp8 scaled
облегчённая версия видеомодели со звуком
2 min read
Перед вами оптимизированный (pruned) чекпоинт в формате FP8 (8-битная плавающая точка для экономии видеопамяти) на базе видеомодели MiniMax H3 от автора Liant. Модель предназначена для генерации видео со звуковым сопровождением в различных режимах, включая создание роликов по тексту (T2V) и анимацию изображений (I2V). В отличие от тяжёлого оригинала, эта сборка сжата до формата FP8 scaled, что снижает нагрузку на VRAM (видеопамять) при сохранении базового функционала. Решение пригодится энтузиастам локальной генерации видео, которым не хватает ресурсов для запуска полновесной версии MiniMax H3.
Ключевые особенности
- Формат FP8 scaled: оптимизированная точность весов позволяет существенно сократить потребление видеопамяти.
- Видео и аудио: модель поддерживает совместную генерацию видеоряда и звуковой дорожки (video and audio).
- Несколько режимов работы: в линейке заявлена поддержка генерации из текста (T2V), по изображению (I2V), по первому и последнему кадру (FL2VA), а также с опорой на референс (ref2va).
- Модульная архитектура: для полноценной работы модель использует отдельные внешние компоненты — текстовый энкодер (nvfp4 Text Encoder), а также видео- и аудио-VAE (автоэнкодеры).
Что можно сделать
- Оживить статичные кадры: использовать вариант I2V или FL2VA для создания плавных переходов между двумя заданными изображениями со звуком.
- Генерировать ролики по сценарию: создавать короткие видеофрагменты с аудиодорожкой напрямую из текстового описания (T2V) на видеокартах с ограниченным объёмом VRAM.
- Работать с референсами: применять версию ref2va для генерации видео с сохранением визуальных ориентиров из исходного материала.
Пример
Для запуска чекпоинта в локальных средах (например, ComfyUI) потребуется загрузить сам файл весов в формате FP8, а также подключить указанные автором дополнительные компоненты: nvfp4 Text Encoder, Video VAE и Audio VAE. После этого можно подавать текстовый промпт или входное изображение в зависимости от выбранной версии модели (T2V, I2V или FL2VA).
Подробнее
Базовая модель: MiniMax H3 (тип — Checkpoint, формат весов — pruned FP8 scaled).Поддерживаемые режимы: T2V (текст-в-видео), I2V (изображение-в-видео), FL2VA (первый/последний кадр), ref2va.
Обязательные зависимости: nvfp4 Text Encoder, Video VAE, Audio VAE (упомянуты автором в карточке).
Ограничения: точные требования к объёму VRAM и бенчмарки в описании не приведены.














Comments