FastH3-Omni：带声音和参考的MiniMax H3开放权重

2026年10月20日，Nuva Lab与Hao AI Lab的FastVideo一起放出了FastH3-Omni的权重。这是Hailuo MiniMax H3的蒸馏版：图片、视频和音频参考的组合相同，一段带立体声的视频一次生成出来，但Transformer评估是8次，而不是50次。Nuva Lab把这组输入与Seedance 2.5对照。Nuva的封闭生产用的是另一套数据和另一套托管，不属于这次放出的权重。

FastH3-Omni能做什么

按Nuva Lab的FAQ，这个开放模型接受：

• 文本；
• 最多9张照片，realtime模式下最多3张；
• 最多3段视频，每段2–15秒，合计不超过15秒；
• 最多3段人声或音乐，同样每段2–15秒，而且必须和照片或视频一起用；
• 文件总共不超过12个；
• 同一次请求里的首帧和尾帧，以及把已经做好的片段往下接。

输出是5–15秒、每秒24帧、带声音的视频。它所基于的MiniMax H3基座，声音是32 kHz立体声，稳定语音据称为11种语言，其中包括俄语。基座做到2K要单独走一步再生成。速度测量里，FastH3-Omni的目标画面是1344×768。

FastH3-Omni比MiniMax H3快多少

下面的数字是FastVideo的测量，不是独立测试。他们在八块NVIDIA GB200上比较了完整的服务方案：参考编码、生成、解码器和成品mp4。27个相同任务，三种视频长度，画面1344×768。

	FastH3-Omni	MiniMax H3，基座
Transformer评估次数	8	50
端到端延迟	低5.6–11.9倍	基准
测量画面	1344×768	相同
Realtime	仅UniServe上的部分任务，768p，5 / 10 / 15秒	这次测量里没有

这里的“实时”不是指任意一条视频。FastVideo只对自家UniServe服务器上的部分任务这么写。

用FastH3-Omni在本地跑MiniMax H3

权重和训练代码在Hugging Face的FastVideo合集里，技术说明在Hao AI Lab的博客。FastVideo写了几种本地跑法：

硬件	内存	怎么跑
NVIDIA DGX Spark（GB10）	128GB统一内存	配方 spark，模型各组件都留在内存里
GeForce RTX 5090	32GB	文本编码器卸出显存，需要预先算好的AdaLN表
GeForce RTX 4090	24GB	带layerwise offload的配方
ComfyUI	—	单独的FastH3-Omni FP8检查点

DGX Spark和RTX 5090的配置用的是NVFP4权重——按Blackwell显卡上的这种计算格式训练——默认算480p。八块GB200上的速度不能照搬到这些机器。Nuva Lab另外提到可以用MLX在Apple Silicon上跑。

MiniMax H3以MiniMax H3 Community License发布。这是MiniMax的社区许可证，不是Apache，也不是MIT。商用条款写在权重页面的协议里，不在加速版的发布说明里。

在AI2Face里试视频

FastH3-Omni所基于的MiniMax H3，在AI2Face生成器里以Hailuo提供。旁边是Seedance，Nuva Lab用它对照参考组合。可用银行卡或加密货币支付，费用在生成前显示。H3与Hailuo 2.3的对比、价格和成片示例在Hailuo与MiniMax H3页面。视频模型概览见AI视频生成指南。