Video Rebirth rimpicciolisce MiniMax-H3 a 13,7B per eseguirlo più velocemente su PC consumer

Come funziona

Un modello AI compatto che trasforma il testo in brevi videoclip con audio sincronizzato, che funziona sulle schede grafiche per il gaming di casa.

Cosa potresti farci

• Un appassionato potrebbe generare un breve clip video con audio stereo sincronizzato sulla propria scheda grafica consumer come una RTX 5090 senza pagare calcolo cloud ¹.
• Uno sviluppatore potrebbe creare video da 5,2 a 15 secondi direttamente da descrizioni testuali o immagini di riferimento e riprodurli con suono abbinato in ComfyUI o tramite un pacchetto Python ¹.
• Un team che utilizza hardware da data center potrebbe usare fino a quattro GPU NVIDIA Blackwell serie B insieme per visualizzare clip in tempo reale attraverso il framework di accelerazione SOL-H3 di NVIDIA ¹.

Un esempioInventato per spiegare

Maya modifica un vlog per YouTube con il suo PC

MayaFammi un video in cui le onde si infrangono su una spiaggia al tramonto

HyperFlow H3 FlashSto generando 5,2 secondi a 24 fps con suono stereo…

MayaQuanto ci mette sulla mia RTX 5090?

HyperFlow H3 FlashCirca 92 secondi con sei passaggi di affinamento.

MayaCapito, vediamo il risultato.

HyperFlow H3 FlashFatto. Ecco il tuo videoclip della spiaggia con i suoni delle onde.

Maya ha guardato il video sul suo PC senza pagare bollette del cloud.

Cosa fa il modello

HyperFlow H3 Flash prende un prompt testuale, una o più immagini di riferimento, o entrambi, e produce da 5,2 a 15 secondi di video a 24 fotogrammi al secondo (la risoluzione predefinita è 1344 per 768 pixel) insieme a una colonna sonora stereo a 32 kilohertz ¹. A differenza di alcuni generatori che producono filmati muti e aggiungono musica in seguito, il video e l'audio sono creati insieme in un unico passaggio, così i suoni corrispondono a ciò che accade sullo schermo .

Il modello funziona con quattro, sei o otto "passaggi" — il numero di volte in cui l'AI raffina il proprio output — e salta la guida classifier-free (CFG) ¹.

Quanto è piccolo e quanto è veloce

MiniMax-H3 aveva originariamente circa 31 miliardi di parametri; la variante Flash ne ha appena 13,7 miliardi (o 13,9 miliardi per la versione che gestisce ingressi multipli di riferimento) ¹. Questo taglia il file dei pesi del transformer base da 62 gigabyte a circa 16 gigabyte in formato INT8 .

Poiché i pesi sono disponibili in diversi formati compressi, gli utenti possono scegliere la versione che si adatta alla loro GPU ¹:

• I file GGUF variano da 7,2 GB (Q3_K_M) a 15,2 GB (Q8_0) e funzionano su ComfyUI, Unsloth Studio o stable-diffusion.cpp, incluse le schede grafiche da 16 GB e 32 GB ¹.
• I safetensors INT8 si attestano intorno ai 16 GB e sono destinati a GPU RTX da 24 GB+ che hanno almeno 16 GB di RAM di sistema, nonché per GPU da data center quando abbinate alla libreria di accelerazione SOL-H3 di NVIDIA ¹.

Il framework SOL-H3 di NVIDIA può già eseguire HyperFlow H3 Flash in tempo reale su quattro GPU Blackwell serie B ¹. Su un singolo H200, generare un clip di 5,2 secondi richiede circa 36 secondi ai sei passaggi predefiniti; su quattro schede B200 lo stesso clip termina in meno di nove secondi .

Indovina

Quanto pesa il download completo della versione Home?

Quasi 90 GBIntorno ai 16 GBAll'incirca 62 GB

Come ottenerlo

Tutti i pesi si trovano nella cartella VideoRebirthAI/hyperflow-h3-flash su Hugging Face, e una guida completa per l'installazione è nel repository GitHub complementare ¹. Gli utenti possono installare il pacchetto Python direttamente da GitHub (pip install git+https://github.com/Video-Rebirth/hyperflow-h3-flash) o eseguire template precostituiti all'interno di ComfyUI . I primi download totalizzano circa 90 GB (o 68 GB con precisione FP8 del text encoder), che coprono il text encoder complementare, i VAE e il transformer INT8; il modello base completo MiniMax-H3 da 62 GB non viene mai scaricato .

Poiché il rilascio include workflow ComfyUI pronti e strumenti da riga di comando, una persona con una GPU da 24 GB e 16 GB di RAM di sistema può iniziare a produrre brevi clip video a casa senza scrivere codice personalizzato ¹.

Com'è bravo

In un test di generazione di un clip di 5,2 secondi a sei passaggi, una singola GPU H200 ha prodotto il risultato in circa 36 secondi, mentre quattro schede B200 hanno completato lo stesso compito in meno di nove secondi secondo la pagina del progetto ¹. Una singola RTX 5090 ha richiesto circa 92 secondi per lo stesso clip, il che significa che l'hardware consumer è più lento ma comunque funzionante . Il framework SOL-H3 di NVIDIA può già spingere HyperFlow H3 Flash nella riproduzione in tempo reale quando vengono utilizzate insieme quattro GPU Blackwell serie B, secondo l'annuncio . Non sono stati forniti benchmark concorrenti esterni.

I fatti principali

• Modello: HyperFlow H3 Flash (13,7 miliardi di parametri, compresso da ~31 miliardi di MiniMax-H3)
• Output: video da 5,2 a 15 s a 24 fps (1344×768) con audio stereo sincronizzato a 32 kHz
• Velocità: 8,7 secondi utilizzando quattro B200; 36 secondi con un H200; 92 secondi su una RTX 5090
• Format：GGUF (7,2–15,2 GB)，INT8 (~16 GB)；funziona su GPU consumer da 24/32 GB
• Fonte: repository GitHub di Video Rebirth e hub di Hugging Face

Fonti

1. GitHub - Video-Rebirth/hyperflow-h3-flash: HyperFlow H3 Flash: Video Rebirth's 13.7B, 4- to 8-step compressed MiniMax-H3