MiniMax-H3-FP8-Paiton-RDNA4
видео со звуком за 30 секунд на AMD RDNA4
3 мин чтения
Оптимизированная в формат FP8 (8-битная плавающая точка для снижения расхода памяти) версия модели MiniMax H3 Ref2VA от команды EliovpAI для генерации видео со стереозвуком по тексту и референсам. Веса упакованы специально под нативный раннер на скомпилированном коде HIP из плагина paiton-vllm-plugin (v1.2), который работает на видеокартах архитектуры AMD RDNA4 без использования PyTorch или diffusers. В отличие от оригинального BF16-релиза весом 144 ГБ, эта сборка помещается в одну карту Radeon AI PRO R9700 (32 ГБ) и ускоряет генерацию до 4 раз по сравнению с прошлой версией раннера. Решение пригодится владельцам видеокарт AMD, которым нужна быстрая локальная генерация роликов с аудиодорожкой через HTTP API или ComfyUI.
Ключевые особенности
- Работа на одной видеокарте: пиковое потребление видеопамяти снижено до 24.7–26.8 ГиБ против 30.6 ГиБ в предыдущей версии, а один пресет занимает 50.9 ГБ на диске.
- Два режима скорости: в комплект входят трансформеры с вшитой Turbo LoRA на 4 шага (Turbo4, 20.3 ГБ) и на 8 шагов (Turbo8, 20.5 ГБ).
- Независимость от тяжелых фреймворков: раннер написан на нативном HIP-коде, загружает веса в память один раз при старте (за 76 секунд с проверкой SHA-256) и принимает запросы по HTTP.
- Сохранение качества оригинала: при генерации с 1 картинкой в 864×480 метрика соответствия промпту CLIP-T составляет 29.77 против 29.52 у исходной BF16-модели.
Что можно сделать
- Генерировать ролики по референсам: передавать текстовый промпт и от 1 до 9 опорных изображений, получая 5.2-секундное видео (124 кадра при 24 fps) со стереозвуком.
- Редактировать видео со звуком: подавать на вход готовый видеоролик с аудиодорожкой и получать его переработанную версию в разрешении 864×480.
- Подключать к ComfyUI на слабом ПК: установить клиентскую ноду
paiton_h3v_client, которая отправляет задачи на сервер раннера, позволяя самому интерфейсу ComfyUI работать даже на CPU.
Пример
git clone --depth 1 [https://github.com/Eliovp-BV/paiton-vllm-plugin.git](https://github.com/Eliovp-BV/paiton-vllm-plugin.git)
cd paiton-vllm-plugin
PAITON_DETACH=1 ./models/MiniMax-H3/native/launch.sh http
curl -o panda.mp4 -F image=@panda.png \
-F prompt='The red panda from walks through a sunlit forest. Audio: birds and a stream.' \
[http://127.0.0.1:30000/v1/videos/generations](http://127.0.0.1:30000/v1/videos/generations)
Подробнее
Скорость (R9700, Turbo4, 864×480): 30.4 с для 1 фото (в 1.7× быстрее v1.1.0), 44.3 с для 9 фото (в 4.0× быстрее), 203.8 с для 1 видео со звуком; для 1344×768 (9 фото) — 114.1 с.Схожесть с оригиналом BF16 по 15 роликам: 0.932 по CLIP-I и 0.871 по DINOv2; текстовый энкодер Qwen3-VL-32B (27.2 ГБ) скачивается автоматически из соседнего репозитория.
Требования к железу: видеокарта Radeon AI PRO R9700 (32 ГБ), Docker, 51 ГБ свободного места на диске и около 41 ГБ свободной оперативной памяти для быстрой работы текстового энкодера.
Ограничения: веса совместимы только с раннером paiton-vllm-plugin; лицензия MiniMax H3 Community License запрещает использование в ЕС, Великобритании, Южной Корее и США.














Комментарии