FastH3-Omni: pesos abiertos de MiniMax H3, con sonido y referencias

El 20 de octubre de 2026, Nuva Lab, junto con FastVideo del Hao AI Lab, publicó los pesos de FastH3-Omni. Es una destilación de Hailuo MiniMax H3: el mismo conjunto de referencias de imagen, vídeo y audio, y un clip con sonido estéreo en una sola pasada, pero el transformer se evalúa 8 veces en vez de 50. Nuva Lab compara ese conjunto de entradas con Seedance 2.5. La producción cerrada de Nuva usa datos aparte y un hosting aparte. No forma parte de los pesos publicados.

Qué sabe hacer FastH3-Omni

Según la FAQ de Nuva Lab, el modelo abierto acepta:

• texto;
• hasta 9 fotos y, en modo realtime, hasta 3;
• hasta 3 clips de vídeo de 2 a 15 segundos, 15 segundos como máximo en total;
• hasta 3 audios con voz o música, también de 2 a 15 segundos, y solo junto con una foto o un vídeo;
• 12 archivos como máximo;
• el primer y el último fotograma en la misma petición, y la continuación de un clip ya terminado.

A la salida hay un clip de 5 a 15 segundos, 24 fotogramas por segundo, con sonido. En la base MiniMax H3, sobre la que está montado, el sonido es estéreo a 32 kHz, y se anuncia habla estable en 11 idiomas, incluido el ruso. La resolución de la base hasta 2K se hace en un paso de regeneración aparte. En la medición de velocidad, el fotograma objetivo de FastH3-Omni es 1344×768.

Cuánto más rápido es FastH3-Omni que MiniMax H3

Las cifras de abajo son una medición de FastVideo, no un test independiente. Compararon pipelines de serving completos en ocho NVIDIA GB200: codificación de las referencias, generación, decodificador y el mp4 listo. 27 tareas iguales, tres duraciones de clip, fotograma 1344×768.

	FastH3-Omni	MiniMax H3, base
Evaluaciones del transformer	8	50
Latencia de extremo a extremo	de 5,6 a 11,9 veces más baja	punto de partida
Fotograma de la medición	1344×768	el mismo
Realtime	en tareas concretas de UniServe, 768p, 5 / 10 / 15 s	no está en esta medición

«Tiempo real» aquí no vale para cualquier clip. FastVideo lo escribe solo para tareas concretas de su servidor UniServe.

Cómo ejecutar MiniMax H3 en local con FastH3-Omni

Los pesos y el código de entrenamiento están en la colección de FastVideo en Hugging Face; el desglose técnico, en el blog de Hao AI Lab. FastVideo describe varias opciones locales:

Hardware	Memoria	Cómo se ejecuta
NVIDIA DGX Spark (GB10)	128 GB de memoria unificada	receta spark; todos los componentes del modelo se quedan en memoria
GeForce RTX 5090	32 GB	el codificador de texto sale de la memoria; hace falta una tabla AdaLN precalculada
GeForce RTX 4090	24 GB	receta con layerwise offload
ComfyUI	—	un checkpoint FP8 aparte de FastH3-Omni

Los perfiles de DGX Spark y RTX 5090 usan pesos NVFP4 — entrenados para el cálculo en ese formato en GPU Blackwell — y por defecto calculan a 480p. La velocidad de los ocho GB200 no se traslada a estas máquinas. Nuva Lab menciona además la ejecución en Apple Silicon mediante MLX.

MiniMax H3 se publica bajo la MiniMax H3 Community License. Es la licencia de comunidad de MiniMax, no Apache y no MIT. Las condiciones comerciales están en el acuerdo de la página de los pesos, no en el anuncio de la versión más rápida.

Cómo probar el vídeo en AI2Face

MiniMax H3, sobre la que está montado FastH3-Omni, está en el generador de AI2Face como Hailuo. Al lado está Seedance, con el que Nuva Lab compara el conjunto de referencias. Pagas con tarjeta o con criptomonedas, y el precio se ve antes de generar. La comparación de H3 con Hailuo 2.3, los precios y ejemplos de clips están en la página de Hailuo y MiniMax H3. El panorama de modelos de vídeo está en la guía de generadores de vídeo IA.