开源工具2 分钟读完Hacker News

Video Rebirth 发布 HyperFlow H3 Flash:31B 音视频模型压缩至 13.7B

速览

Video Rebirth 推出了 HyperFlow H3 Flash,将 MiniMax-H3 的 31B 参数压缩至 13.7B,支持 6 步采样生成视频和同步立体声音频。模型默认输出 1344×768 分辨率、24fps、5.2-15 秒的片段,配备 32kHz 音频。消费级 24GB 显存显卡即可运行,4 步采样可加速生成。

HyperFlow H3 Flash 是 Video Rebirth 对 MiniMax-H3 的压缩版本,将原本约 31B 的 transformer 模型缩减至 13.7B(fl2va)或 13.9B(ref2va),同时保留生成视频与同步音频的能力。模型支持 4、6、8 步采样,默认 6 步,无需 classifier-free guidance。

生成速度方面,5.2 秒片段在 6 步采样下,4× B200 需 8.7 秒,单张 H200 需 36 秒,RTX 5090 需 92 秒。最小量化版本 Q4_K_M 仅 9.1 GB,可运行于 24 GB 显存显卡,配合 16 GB 系统内存即可。

模型支持多种输入方式:

  • 文生视频(t2va)
  • 首帧或首尾帧条件(i2v / flf2v)
  • 参考图像、视频和音频(ref2va),最多 12 个参考项

部署选项包括 ComfyUI 节点、Unsloth Studio、stable-diffusion.cpp 和 Python CLI。INT8 版本首次运行需下载约 90 GB 文件(含文本编码器和 VAE),但基础 transformer 的 62 GB 文件无需下载。官方建议 64 GB 系统内存以下使用 GGUF 格式,数据中心 GPU 或大内存 RTX 显卡使用 INT8 版本。

原文Show HN: We compressed a 31B video+audio diffusion model to 14B, 6 steps, INT8github.com

#模型压缩#视频生成#开源#量化

本文由程序自动抓取公开报道,经 AI 筛选与改写生成,未经人工逐条核实,事实以原文为准。