미니맥스 FastH3 v1 오픈：15초 영상 13초 만에 생성

FastH3 v1은 텍스트를 입력해 음성이 포함된 영상을 초고속으로 만들어내는 오픈 가중치 모델입니다. 8대의 엔비디아 B200 GPU 환경에서 15초 분량의 768p 영상을 단 13초 만에 생성하며, 단일 블랙웰 GPU 기준으로 최대 14배의 속도 향상을 기록했습니다.

이 프로젝트는 Hao AI Lab과 MiniMax가 주도하고 NuvaLab, 엔비디아 FastGen 및 엔터프라이즈 팀이 협력해 제작했습니다. 기존 MiniMax H3-Base 모델을 기반으로 1,000시간 이상의 B200 GPU 학습을 거쳤습니다. 특히 여러 모델을 번갈아 쓸 필요 없이, 단 하나의 체크포인트로 다양한 해상도와 화면 비율, 재생 길이를 모두 지원합니다.

어떻게 이렇게 빨라졌나

속도 혁신의 핵심은 증류 기법과 희소 어텐션에 있습니다. 추천 버전인 FastH3 Preview v1은 4단계 데이터 프리(Data-Free) 방식을 적용했습니다. 즉, 목표가 되는 정답 영상 없이 텍스트 프롬프트만으로 학생 모델을 훈련시킨 것입니다.

여기에 90% 희소성을 적용한 FastVideo의 VSA-H3 전용 커널을 결합했습니다. 모든 픽셀 간의 연산을 무겁게 처리하는 대신 불필요한 계산을 덜어내 연산량을 크게 줄였습니다. 텍스트 인코더와 비디오 및 오디오 VAE 등 주변 구성 요소는 H3-Base의 것을 그대로 쓰고, 트랜스포머 본체만 집중적으로 증류해 품질 손실을 최소화했습니다.

해상도 제약도 적습니다. 표준적인 1344x768 해상도뿐만 아니라 가로세로가 32의 배수이기만 하면 정사각형, 세로형, 파노라마 등 원하는 비율로 자유롭게 영상을 뽑아낼 수 있습니다.

공개 범위와 한계

현재 전체 모델 가중치와 미리 추출된 LoRA, 합성 데이터 대조군 체크포인트, 그리고 추론 코드가 공개되어 있습니다. 학습 코드 역시 곧 배포될 예정입니다.

다만 초기 버전인 만큼 기능적 한계는 있습니다. 이번 Preview v1은 순수 텍스트 기반 생성만 지원하며, 첫 프레임과 마지막 프레임을 지정하는 기능이나 참조 이미지를 바탕으로 영상을 만드는 기능은 아직 준비 중입니다. 또한 발표된 수준의 최고 속도를 내려면 엔비디아 블랙웰 GPU와 VSA 전용 커널이 필수적이며 일반 어텐션으로는 대체되지 않습니다.

개발진은 향후 NVFP4 양자화를 통한 메모리 절감과 더불어 RTX 그래픽카드 및 애플 MLX 환경 최적화를 진행할 계획입니다. 지금 바로 사용해 보고 싶다면 FastVideo 공개 저장소에서 가중치와 코드를 내려받으면 됩니다.

왜 중요한가

FastH3는 오픈소스 영상 생성 모델이 연구실 수준을 넘어 상용 서비스 인프라에 안착할 수 있음을 보여준 사례라고 생각합니다. 영상 길이보다 생성 시간이 더 짧은 서브 리얼타임 생성이 오픈 가중치 생태계에서 구현된 점은 상징성이 큽니다.

대규모 영상 생성 파이프라인을 구축하려는 엔지니어나 빠른 피드백이 필요한 툴 개발자라면 지금 즉시 테스트해 볼 가치가 충분합니다. 다만 최대 성능을 내기 위한 하드웨어 장벽이 높은 만큼, 일반 이용자라면 향후 진행될 개인용 그래픽카드 최적화 버전을 기다리는 편이 좋습니다.