8⃣ FastVideo-FastH3-8-Step-V2

Это дистиллированный чекпоинт FastH3 от FastVideo на базе MiniMax H3 (35,05 млрд параметров). Он генерирует синхронизированные видео и аудио из текста за восемь forward-проходов трансформера.

▶ Ключевые особенности

• 8⃣ Восемь проходов вместо полного инференса базовой модели.
• 🔤 Обучен с data-free DMD2 и VSA-H3 при 80% разреженности.
• ➕ Генерирует видео и аудио синхронно по текстовому промпту.
• ➖ Требует attention-backend VSA-H3 из FastVideo; сдвиг видеопланировщика равен 10, а не 12.
• 4⃣ Тестовые настройки — четыре GPU B200; количество GPU должно быть делителем 56 attention-голов H3.

▶ Пример

После установки FastVideo запуск выглядит так:

python examples/inference/basic/basic_fasth3_8step.py --prompt "your prompt" --no-warmup --repeats 1

Подробнее

Модель дистиллирована на шаге 1300; поддерживает только text-to-audio-video.
FL2VA и Ref2VA не дистиллированы.
Сложное движение, мелкие детали и часть аудио могут уступать базовой MiniMax H3.
На других multi-GPU CUDA-системах нужны флаги --no-replicated-dit --vsa-kernel triton --no-fa4.
Лицензия — MiniMax H3 Community License.