近30天源站下载量
24.2万
参数
未知
上下文
未说明
架构 / 任务
image-text-to-video
许可证
other
MODEL POSITIONING
这个模型解决什么问题？
模型能力方面，hyperflow-h3-flash 是 MiniMax-H3 的压缩少步衍生模型，fl2va 为 13.7B 参数、ref2va 为 13.9B 参数，可联合生成视频与同步立体声音频，支持 4、6、8 步采样。量化仓库提供 fl2va、ref2va 的 GGUF，以及供 ComfyUI 使用的 INT8 safetensors；GGUF 面向 ComfyUI、Unsloth Studio 和 stable-diffusion.cpp，INT8 由 Python 管线、diffusers 或 ComfyUI 运行。各方式还需共享文本编码器、视频 VAE 和音频 VAE。模型卡未说明其相对基础模型的独立效果差异，提示遵循和失效模式沿用 MiniMax-H3。
更适合谁
- 需要本地生成视频与同步立体声音轨的创作者
- 希望用较少采样步骤完成音画生成的视频制作者
- 使用消费级 NVIDIA GPU，并接受额外配置文本编码器与 VAE 的用户
典型使用场景
- 根据文字描述生成长度较短的带声音视频
- 使用首帧或首尾关键帧控制视频内容
- 根据参考图片生成人物或场景视频
- 制作需要同步环境声或立体声音轨的短片
SOURCE-BASED CAPABILITIES
模型卡透露的核心特点
音画联合生成
一次生成 5.2–15 秒视频和 32 kHz 立体声音轨
少步采样
支持 4、6、8 步采样，默认 6 步且无需 CFG
多种输入方式
支持文本、首帧、首尾关键帧以及多张参考图片
双任务权重分区
fl2va 为 13.7B 参数，ref2va 为 13.9B 参数
按当前权重估算的硬件准备
- 现有 GGUF 文件中，最低显存估算约 7.5 GB
- 为上下文缓存、系统进程和并发请求预留额外内存，不要只按模型文件大小配置设备。
量化版本怎么选
- Q4_K_M 是模型卡推荐的 GGUF 量化，资源需求与体积较均衡
- 资源紧张可选 Q3_K_M；需要更紧凑的 4-bit 文件可选 Q4_K_S
- Q5_K_M 和 Q6_K 是较高资源设备上的中间选择
- Q8_0 最接近全精度，但文件及显存、内存需求最高
GGUF VARIANTS
量化版本与硬件要求
显存与内存数值均按权重文件体积估算，未做设备实测。多模态还需要配套投影文件并额外占用内存；分卷容量按全部分卷合计，下载时需获取完整文件组。
| 量化 | 权重合计 | 估算加载显存 | 建议显存 | 建议内存 | 来源 |
|---|---|---|---|---|---|
| Q3_K_M | 6.7 GB | 7.5 GB | 9 GB | 10.5 GB | 下载文件 ↗ |
| Q3_K_M | 6.8 GB | 7.5 GB | 9 GB | 10.5 GB | 下载文件 ↗ |
| Q4_K_S | 7.5 GB | 8.5 GB | 10 GB | 11.5 GB | 下载文件 ↗ |
| Q4_K_S | 7.6 GB | 8.5 GB | 10 GB | 11.5 GB | 下载文件 ↗ |
| Q4_K_M | 8.4 GB | 9.5 GB | 11 GB | 13 GB | 下载文件 ↗ |
| Q4_K_M | 8.6 GB | 9.5 GB | 11 GB | 13 GB | 下载文件 ↗ |
| Q5_K_M | 9.6 GB | 10.5 GB | 12 GB | 14.5 GB | 下载文件 ↗ |
| Q5_K_M | 9.7 GB | 11 GB | 12.5 GB | 15 GB | 下载文件 ↗ |
| Q6_K | 11 GB | 12 GB | 14 GB | 16.5 GB | 下载文件 ↗ |
| Q6_K | 11 GB | 12 GB | 14 GB | 16.5 GB | 下载文件 ↗ |
| Q8_0 | 14 GB | 15.5 GB | 18 GB | 21 GB | 下载文件 ↗ |
| Q8_0 | 14 GB | 15.5 GB | 18 GB | 21.5 GB | 下载文件 ↗ |
HARDWARE MATCH
哪些显卡或设备更适合运行？
按当前最小量化文件估算，至少需要 7.5GB 显存；如果希望为运行框架和上下文保留余量，优先参考推荐显存 9GB。
阅读 12GB 显存选型指南 →可以怎样运行
- ComfyUI：使用 ComfyUI-GGUF、HyperFlow Flash 自定义节点及对应工作流
- Unsloth Studio：载入 fl2va 或 ref2va GGUF，由 Studio 获取配套文件
- stable-diffusion.cpp：应用仓库内补丁后运行 GGUF，可按需启用 CPU 卸载
- Python INT8：使用 hyperflow-h3-flash 或 diffusers 管线，支持更丰富的 ref2va 输入
采用前要知道的限制
- GGUF 的 ref2va 仅支持图片参考，视频和音频参考需使用 Python INT8 管线
- 16 GB GPU 尚未实测，不能据此保证所有 GGUF 组合均可运行
- 权重仅许可欧盟、英国、韩国和美国以外的地区使用，公开内容需披露为 AI 生成
- 输出不得用于训练或改进其他 AI 模型，提示遵循和失效模式沿用基础模型