FastH3-Omni: bobot terbuka MiniMax H3, dengan suara dan referensi

Pada 20 Oktober 2026, Nuva Lab bersama FastVideo dari Hao AI Lab merilis bobot FastH3-Omni. Ini distilasi dari Hailuo MiniMax H3: rangkaian referensi gambar, video, dan audio yang sama, serta klip bersuara stereo sekaligus, tetapi transformer dievaluasi 8 kali, bukan 50. Nuva Lab membandingkan rangkaian masukan itu dengan Seedance 2.5. Produksi tertutup Nuva memakai data terpisah dan hosting terpisah. Itu bukan bagian dari bobot yang dirilis.

Apa yang bisa dilakukan FastH3-Omni

Menurut FAQ Nuva Lab, model terbuka ini menerima:

• teks;
• hingga 9 foto, dan hingga 3 dalam mode realtime;
• hingga 3 klip video masing-masing 2–15 detik, total tidak lebih dari 15 detik;
• hingga 3 audio dengan suara atau musik, juga 2–15 detik, dan hanya bersama foto atau video;
• paling banyak 12 berkas;
• bingkai pertama dan terakhir dalam permintaan yang sama, plus lanjutan klip yang sudah jadi.

Keluaran berupa klip 5–15 detik, 24 bingkai per detik, dengan suara. Pada MiniMax H3 dasar yang menjadi bahan model ini, suaranya stereo 32 kHz, dan ucapan yang stabil diklaim untuk 11 bahasa, termasuk bahasa Rusia. Resolusi dasar hingga 2K dibuat lewat langkah regenerasi terpisah. Dalam pengukuran kecepatan, bingkai target FastH3-Omni adalah 1344×768.

Seberapa lebih cepat FastH3-Omni dibanding MiniMax H3

Angka di bawah ini adalah pengukuran FastVideo, bukan uji independen. Mereka membandingkan resep serving yang utuh pada delapan NVIDIA GB200: pengodean referensi, generasi, dekoder, dan mp4 yang sudah jadi. 27 tugas yang sama, tiga durasi klip, bingkai 1344×768.

	FastH3-Omni	MiniMax H3, dasar
Evaluasi transformer	8	50
Latensi end-to-end	5,6–11,9 kali lebih rendah	titik acuan
Bingkai pengukuran	1344×768	sama
Realtime	pada tugas tertentu di UniServe, 768p, 5 / 10 / 15 dtk	tidak ada dalam pengukuran ini

“Waktu nyata” di sini bukan untuk setiap klip. FastVideo hanya menulis begitu untuk tugas tertentu di server UniServe mereka.

Cara menjalankan MiniMax H3 secara lokal lewat FastH3-Omni

Bobot dan kode pelatihan ada di koleksi FastVideo di Hugging Face; uraian teknisnya ada di blog Hao AI Lab. FastVideo menjelaskan beberapa varian lokal:

Perangkat	Memori	Cara berjalan
NVIDIA DGX Spark (GB10)	128 GB memori terpadu	resep spark; semua komponen model tetap di memori
GeForce RTX 5090	32 GB	text encoder dikeluarkan dari memori; tabel AdaLN yang sudah dihitung diperlukan
GeForce RTX 4090	24 GB	resep dengan layerwise offload
ComfyUI	—	checkpoint FP8 FastH3-Omni yang terpisah

Profil DGX Spark dan RTX 5090 memakai bobot NVFP4 — dilatih untuk komputasi dalam format itu pada GPU Blackwell — dan secara default menghitung 480p. Kecepatan delapan GB200 tidak terbawa ke mesin-mesin ini. Nuva Lab juga menyebut menjalankan model di Apple Silicon lewat MLX.

MiniMax H3 dirilis di bawah MiniMax H3 Community License. Itu lisensi komunitas MiniMax, bukan Apache dan bukan MIT. Syarat komersial ada di perjanjian pada halaman bobot, bukan di pengumuman versi yang lebih cepat.

Cara mencoba videonya di AI2Face

MiniMax H3, model yang menjadi dasar FastH3-Omni, tersedia di generator AI2Face sebagai Hailuo. Di sebelahnya ada Seedance, yang dibandingkan Nuva Lab untuk rangkaian referensinya. Pembayaran dengan kartu atau mata uang kripto, dan harga terlihat sebelum Anda memulai. Perbandingan H3 dengan Hailuo 2.3, harga, dan contoh klip ada di halaman Hailuo dan MiniMax H3. Ikhtisar model video ada di panduan generator video AI.