MiniMax-H3 V7（FastH3 Omni）：8步生成带声视频，比原版快近10倍。参考图、视频、声音全都能用！

无言***

MiniMax-H3 V7（FastH3 Omni）：8步生成带声视频，比原版快近10倍。参考图、视频、声音全都能用！ ... ... ...

FastH3 Omni 是 FastVideo（Hao AI Lab）与 Nuva Lab 合作发布的一款开源视频生成模型。它基于 MiniMax H3 进行蒸馏加速，核心能力是：输入一段文字描述 + 参考图片/视频/音频，快速生成一段带同步立体声音频的视频。这是一款又快又灵活的“参考素材驱动”音视频生成工具，特别适合想快速把图片/片段变成带声音视频的创作者和开发者。

想象你有一张人物照片、一段动作参考视频，再加上一段想要的配音或背景音乐。把这些参考素材按顺序喂给模型，再写一句提示词（比如“让这个人在雨中走路，声音同步”），模型就能在很少的计算步骤里，生成一段画面和声音匹配的短视频。它不是从零开始“瞎编”，而是尽量参考你提供的素材来生成，因此可控性更强。




主要特点

速度很快：只需 8 步 transformer 计算（原始 MiniMax H3 大约需要 50 步），实测端到端延迟可降低约 5.6～11.9 倍。
支持多模态参考：最多接受 9 张图片 + 3 段视频 + 3 段音频（总计不超过 12 个参考），至少需要一张图片或一段视频。提示词里用 <Picture 1>、<Video 1>、<Audio 1> 这样的标签来指定顺序。
音画同步生成：一次生成视频 + 32kHz 立体声音频，输出帧率 24 FPS，常见时长约 5/10/15 秒。
开源可本地运行：提供 BF16 完整权重，以及适合不同显卡的量化版本（FP8、NVFP4 等），支持 ComfyUI、FastVideo 本地推理和 UniServe 部署。
基于蒸馏技术：在保持较高质量的前提下大幅加速，属于“参考条件视频生成”（reference-to-video / Ref2VA）。




应用领域

内容创作与短视频制作：快速把静态图或参考片段变成带配音的短视频，适合自媒体、短视频平台。
广告与营销：根据产品图、人物参考和指定旁白，快速生成广告素材。
动画/影视预演与概念验证：用参考素材快速试画面风格、动作和声音匹配。
本地 AI 创作工作流：搭配 ComfyUI 等工具，个人创作者或小团队可在本地 GPU 上高效生成。
多模态交互应用：需要同时控制画面一致性和音频同步的场景（如虚拟角色、故事动画等）。




使用教程：（建议N卡，显存8G起，运存32G起，支持50系显卡）

整合包包含所需所有节点，下载主程序和模型（ComfyUI文件夹），解压主程序一键包，将ComfyUI文件夹移动到主程序目录下即可。

WebUI模式：
双击启动跳转，进入WebUI后，根据需要选择生成模式（支持文生视频/首尾帧视频生成/多图、音视频参考生成），上传图像，输入提示词，设置相关参数，运行生成即可。
8G显存显卡用户，建议开启高级设置里的“低显存模式”选项

ComfyUI模式：
双击启动ComfyUI，进入页面后，点击左侧的 工作流程，选择对应的工作流
根据需要开启图像和音视频节点，上传图像，输入提示词，设置相关参数，运行生成即可。


实测8G显存可以运行，但需要开启共享显存，且运存需要32G起。

关于提示词：可使用本站发布的 MiniMax-H3提示词增强器，也可以借助大模型生成。


百万像素和宽高比 对应参数 供大家参考

| 0.2 | 16:9 | 608 x 352 |
| 0.3 | 16:9 | 736 x 416 |
| 0.4 | 16:9 | 864 x 480 |
| 0.5 | 16:9 | 960 x 544 |
| 0.6 | 16:9 | 1056 x 608 |
| 0.7 | 16:9 | 1152 x 640 |
| 0.8 | 16:9 | 1216 x 672 |
| 0.9 | 16:9 | 1280 x 736 |
| 0.98 | 16:9 | 1344 x 768 |
| 1.0 | 16:9 | 1376 x 768 |
| 1.2 | 16:9 | 1504 x 832 |
| 1.5 | 16:9 | 1664 x 928 |
| 1.8 | 16:9 | 1824 x 1024 |
| 2.0 | 16:9 | 1920 x 1088 |



软件目录结构：

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │      └── fasth3_omniref_8step_pruned_int8_convrot.safetensors
│   ├── 📂 text_encoders/
│   │      └── qwen3vl-32B-MiniMax-H3-Q4_K_M.gguf
│   └── 📂 vae/
│          └── minimax_h3_audio_vae_fp32.safetensors
│          └── minimax_h3_video_vae_int8_convrot.safetensors
📂 deepface/
......




下载地址：
光鸭云盘：https://www.guangyapan.com/s/1960741944523644959_afKpfuS_zVounNhq

夸克网盘：

🔒付费内容

游客， 上上宾会员 可免费下载该资源，点此开通上上宾 免费下载全站99%的付费资源。或单独支付 40碎银 下载该资源

立即购买

百度网盘：

🔒付费内容

游客， 上上宾会员 可免费下载该资源，点此开通上上宾 免费下载全站99%的付费资源。或单独支付 40碎银 下载该资源

立即购买