MiniMax-H3 Prompt Rewriter (FL2VA)

Модель от lightx2v для переписывания промптов к генерации видео и аудио MiniMax-H3. Это SFT-файнтюн Qwen3.5-9B размером около 9,41 млрд параметров; поддерживает текстовые промпты и опциональные изображения первого/последнего кадра.

➕ Ключевые особенности

• ▶ Поддерживает задачи T2VA, I2VA, L2VA и FL2VA.
• 1⃣ Для FL2VA нужны FIRST_IMAGE и LAST_IMAGE; пути к изображениям должны быть абсолютными.
• 2⃣ Контекст 32768 токенов включает вход и выход, лимит выхода — 16384 токена.
• 3⃣ Клиент сохраняет улучшенный промпт, reasoning, вход, параметры генерации, usage и тайминги в infer_outputs/result.json.
• 4⃣ Запуск через vLLM: сервер и клиентские скрипты.

🔤 Пример

pip install vllm requests pillow qwen-vl-utils
bash vllm_server.sh
# в другом терминале задайте PROMPT, TASK_TYPE, DURATION и пути к изображениям
bash post_vllm.sh

Подробнее

Модель обучена через supervised fine-tuning (SFT) Qwen3.5-9B.
Задачи: T2VA — без изображений, I2VA — FIRST_IMAGE, L2VA — LAST_IMAGE, FL2VA — оба изображения.
Оба примера серверов используют GPU 0 и порт 8000; для одновременного запуска назначьте разные GPU и порты.
Клиент перезаписывает существующий infer_outputs/result.json.