
31B 视频模型剪到 13.7B:一张 5090 用 9 GB 权重边出画面边出立体声
HyperFlow H3 Flash 把 MiniMax-H3 剪枝加低秩分解到 13.7B,4 至 8 步一次采样同时出画面与 32 kHz 立体声;量化后 9.1 GB 就能跑在 24 GB 消费级显卡上,5.2 秒片段在 RTX 5090 上耗时 92 秒。
相关标签
31B 视频模型剪到 13.7B:一张 5090 用 9 GB 权重边出画面边出立体声
Video Rebirth 把 MiniMax-H3 这个约 31B 的视频底座剪枝、低秩分解到 13.7B,做成了 4 到 8 步就能跑的版本 HyperFlow H3 Flash。它的卖点不是画质冲榜,而是把”生成带同步音效的视频”这件事,从机架搬到了桌面。
它做什么
任务类型标的是 image-text-to-video,重点在”和音频一起出”。三种用法:
t2va:只给文字提示词,出带声音的视频;fl2va:给提示词加首帧(或首帧和尾帧),等于图生视频、首尾帧补间;ref2va:给提示词加最多 12 个参考(9 张图、3 段视频、3 段音频),按<Picture i>/<Video i>/<Audio i>的顺序把指定人物、场景、声音塞进片子。
输出规格是 5.2 到 15 秒、24 fps、默认 1344×768,附带一条 32 kHz 立体声轨。提示词要把主体、动作、环境、运镜、声音写在同一段里——它不支持负向提示词,CFG 固定 1.0。
怎么把 31B 变 13.7B
两步:先剪结构,再压精度。
剪枝是直接扔 block:fl2va 从 50 层里丢掉第 6、21、22 层,ref2va 丢掉第 9 层,然后对 102 / 114 个线性层做低秩分解。压精度用的是旋转后的 W8A8 INT8(convrot):180 个线性层量化到 INT8,前面套一个块对角 Hadamard 旋转,kernel 按卡型分派到 Triton、cuBLASLt INT8 或 BF16 张量核。
少步能力来自”两时间条件”:每个 token 同时收到当前噪声水平 t 和步终点 r,所以不用 CFG 也能 4 步出片。三档步数分别是 4(求快)、6(默认)、8(求质)。
速度与显存
5.2 秒片段、6 步:4× B200 上 8.7 秒,1× H200 上 36 秒,单张 RTX 5090 上 92 秒。数据中心侧 NVIDIA 的 SOL-H3 还能在 4× B 系列卡上跑到实时。
消费级这边更关键:Q4_K_M 量化 9.1 GB、Q8_0 14.9 GB,实测能跑在 24 GB / 32 GB 显卡加 16 GB 系统内存的整机上(16 GB 显卡官方还没测)。ComfyUI 里 24 GB 以上 RTX 建议用 INT8 convrot 的单文件 safetensors,需要 CUDA 13.0 以上的 PyTorch 或加 --enable-triton-backend;更小的卡、或走 stable-diffusion.cpp 与 Unsloth Studio,就用 GGUF,但 GGUF 只吃图片参考,视频和音频参考得用 Python 包。
上手也比较直接:pip install git+https://github.com/Video-Rebirth/hyperflow-h3-flash,首跑下载约 90 GB(用 --text-encoder-precision fp8 可降到约 68 GB,同时省约 22 GiB 系统内存),Triton INT8 kernel 首次调用会编译约一分钟。命令行一行起步:
hyperflow-h3-flash --prompt "A chef slides a steaming bowl of ramen across a wooden counter; rain taps on the window." --output ramen.mp4
许可有硬约束
权重按 MiniMax H3 Community License 分发,不覆盖欧盟、英国、韩国和美国——这些地区的个人和机构要先取得 MiniMax 授权才能下载。年营收超过 2000 万美元需要书面许可;用它的产品界面必须显著标注 “MiniMax H3”;公开传播的生成内容要声明为 AI 生成;输出不得用于训练其他模型。
这意味着什么
视频开源模型正在分岔:一条继续堆参数冲画质,一条把大模型压小、少步化,让它落进消费级显卡。HyperFlow H3 Flash 属于后者,而且顺手解决了另一件事——音画同步。以前”画面生成”和”配音效”是两条流水线,现在一次采样同时出,省掉的不只是时间,还有对齐的麻烦。
92 秒换 5 秒带立体声的片子,成本已经不是”一段 GPU 租用费”,而是”等一杯咖啡的时间”。
模型地址:https://huggingface.co/VideoRebirthAI/hyperflow-h3-flash
更多资讯
想看更多优质内容?
浏览所有资讯