HyperFlow H3 Flash 开源：MiniMax 视音频模型瘦身至 9.1GB，24GB 显卡可跑

HyperFlow H3 Flash 是 Video Rebirth 刚开源的音视频联合生成模型，它把原本约 31B 的 MiniMax-H3 蒸馏精简到了 14B 左右，能在一个模型里同时生成画面与对齐的双声道立体声音频。

最吸睛的改变是速度和体积。它不需要无分类器引导，默认只需 6 步采样（可选 4 步或 8 步），就能输出一段 5.2 至 15 秒、分辨率 1344×768、帧率 24 fps 的视频，并自带 32 kHz 的立体声声轨。在 4 张英伟达 B200 显卡配合 SOL-H3 推理加速下，它能做到视频播放速度与生成速度完全一致的实时生成；即使放在单张 RTX 5090 上，生成 5.2 秒片段也只要 92 秒。

砍掉一半体积，放进消费级显卡

官方这次把重点放在了降低使用门槛上。原本 MiniMax-H3 的模型底座庞大，单是基础 Transformer 就超过 60GB，普通用户根本无法在本地运行。

HyperFlow H3 Flash 则通过结构修剪、量化与低步数采样，把模型参数量压到 13.7B（图生视频 fl2va）和 13.9B（参考生成 ref2va）。其中 Q4_K_M 量化版本的 GGUF 权重只有 9.1GB，最小的 Q3_K_M 更是只有 7.2GB。

这意味着只要你的 PC 配有 16GB 内存和一张 24GB 显存的显卡（比如 RTX 3090 或 RTX 4090），就能在本地把整套视音频生成流程跑通。

模型支持三类任务：纯文本生视频和音频（t2va）、首帧或首尾关键帧生视频（fl2va），以及多参考输入生成（ref2va）。其中参考模式最多允许传入 12 个参考元素，包括 9 张图片、3 段视频和 3 个音频片段，并在生成时精准对应角色和场景。

怎么在本地跑起来

代码和模型权重已经分别托管在 GitHub 和 Hugging Face。Video Rebirth 提供了两种运行路线，挑选起来其实很简单。

如果你是在家用电脑上折腾，或者系统内存小于 64GB，官方推荐直接走 GGUF 格式。目前 ComfyUI、Unsloth Studio 和 stable-diffusion.cpp 都已经支持。在 16GB 或 32GB 内存的机器上用 ComfyUI 启动时，记得加上 --fast-disk 参数，防止因显存溢出把权重复制到常驻内存导致爆内存。

如果你手头有专业卡，或者有至少 69GB 内存的 24GB 显存工作站，可以走 Python 原生包配合 INT8 convrot 格式。这个版本计算速度比 GGUF 快 10% 到 20%，在 RTX 4090 上生成 5.2 秒片段大约耗时 130 秒。

环境方面需要 Python 3.10+、PyTorch 2.6+ 以及 Ampere 架构以上的英伟达显卡。首次运行时，它会自动从 Hugging Face 下载 MiniMax-H3 的文本编码器与 VAE，不用担心误下 62GB 的基础底座。

为什么重要

我们认为 HyperFlow H3 Flash 最值得点赞的地方，是它把端到端声画一体生成的门槛，硬生生从机房拉进了个人工作站。

过去开源社区的视频模型往往画音分离，需要先算画面再挂音频模型，而 MiniMax-H3 虽具备声画联合建模能力，但 31B 的体积让个人创作者望而却步。这次 14B 搭配 6 步收敛的方案，在保留 768p 细节的同时大幅缩短等待时间，对于想在本地做短视频原型验证、角色动画控制的开发者来说非常值得立刻部署一套。

不过需要提醒的是，该项目虽然开源了代码和权重，但权重遵循 MiniMax H3 Community License。协议包含地域使用限制，未经授权在欧盟、英国、韩国和美国不可商用，同时它并非 MiniMax 官方发布的产品。此外，15 秒长视频在 24GB 显存下依然处于压线状态，想要流畅体验，依然需要一块扎实的高显存卡。