FastH3 Omni

Q: GoEnhanceでFastH3 Omniは使えますか？

現時点では使えません。このページのコンソールでは、フル版の MiniMax H3 のリファレンスから動画生成を使用しています。同じ種類のリファレンス（画像最大9枚、動画クリップ1本、音声クリップ最大3本）に対応し、GPUなしでブラウザから利用できます。料金は1秒あたり720pで10トークン、1080pで14トークンで、会員向けの機能です。

FastH3 Omniは、MiniMax H3を蒸留したオープンウェイトモデルで、音声付きのリファレンスから動画生成に対応しています。FastVideo（Hao AI Lab）が2026年10月20日に公開しました。プロンプトに参照画像、動画クリップ、声を組み合わせ、50ステップではなく8ステップで音声が同期した動画を生成します。FastVideoによると、レイテンシはベースモデルより5.6–11.9×低くなっています。GoEnhanceではFastH3 Omniは提供していません。下のコンソールでは、その蒸留元であるフル版のMiniMax H3のリファレンスから動画生成を使えます。

提灯の路地での再会

崖の小道を行くコーギー

雪の中のキツネ

ヴィンテージカメラの広告

MiniMax H3

参考画像

人物・ペット・商品・場所の画像を1〜4枚追加してください。プロンプトではこの順番で @[image1]、@[image2]… と呼びます。

プロンプト

プロンプト例

ファイルをアップロードすると、GoEnhance の利用規約とプライバシーポリシーに同意したものとみなされます

FastH3 Omniの特徴

50ステップではなく8ステップ

FastH3 OmniはMiniMax H3を教師とする少ステップの生徒モデルです。1本のクリップに必要なTransformerの評価は、ベースモデルの50回から8回に減りました。8基のNVIDIA GB200 GPUで27種類の対応するワークロードを測定したところ、FastVideoはエンドツーエンドのレイテンシが5.6–11.9×低下したと報告しています。見出しの約12×は最良のケースで、短い参照動画1本から15秒のクリップを作った場合です。

顔、シーン、動き、声をリファレンスで指定

テキストから動画と画像から動画にしか対応していなかった以前のFastH3とは異なり、OmniはH3のリファレンスから動画生成モードを引き継いでいます。1つのプロンプトで参照画像、動画クリップ、声のリファレンスを組み合わせられ、FastVideoは画像1枚から画像9枚＋クリップ3本までの構成でテストしています。

映像と音声を一度に生成

MiniMax H3と同じく、FastH3 Omniは映像と同期したステレオ音声を同時に生成します。FastVideoのサンプルは24 fpsで、長さは5秒、10秒、15秒です。

BlackwellとRTXのGPUで動作

データセンター向けGPUに加え、FastVideoはBlackwell向けに学習したNVFP4ウェイトを提供しています。DGX SparkとRTX 5090向けのレシピはどちらも480pが既定で、RTX 4090向けにはレイヤーごとのオフロードを使うFP8レシピも用意されています。

オープンウェイト、学習コード、ComfyUI

ウェイトはHugging FaceのFastVideo/fasth3-omniコレクションで公開されており、ComfyUI用のFP8とNVFP4パッケージも含まれます。学習レシピはFastVideoのリポジトリにあります。FastVideoによると、学習には64基のNVIDIA B300で約7,800 GPU時間かかりました。

FastH3 Omni・FastH3・MiniMax H3の比較

項目	FastH3 Omni	FastH3（以前のリリース）	GoEnhanceのMiniMax H3
モデルの概要	FastVideoによるリファレンスから動画生成向けのH3蒸留版	FastVideoによるテキスト・画像から動画向けのH3蒸留版	MiniMaxのフル版モデル
リリース	2026年10月20日	2026年8月（プレビュー版）	利用可能
サンプリング	8ステップ	ComfyUIでは8ステップ（最初のプレビュー版は4）	フルスケジュール（公開版は50ステップ）
参照画像・動画・声	対応	非対応	対応：画像最大9枚、動画1本、音声クリップ3本
ネイティブ音声	対応	対応	対応
実行環境	自前のGPU、ComfyUI、FastVideo	自前のGPU、ComfyUI、FastVideo	ブラウザで利用可能、セットアップ不要

GoEnhanceでFastH3 Omniのようなリファレンス動画を作る方法

リファレンスをアップロード

キャラクター、商品、場所の画像を最大9枚追加できます。動きの参考として動画クリップを1本、声や音の参考として音声クリップを最大3本追加することもでき、それぞれ2–15秒です。

プロンプトでタグ付け

@[image1]のようなタグで各リファレンスを指定し、アクション、カメラ、聞こえる音を書きましょう。セリフは引用符で囲んでください。

長さ・画面比率・画質を選ぶ

長さは5〜15秒、アスペクト比は16:9から9:16まで、解像度は720pまたは1080pから選べます。

生成して仕上げる

MiniMax H3がネイティブ音声付きでクリップを生成します。プロンプトを調整したりリファレンスを差し替えたりして、もう一度生成しましょう。

MiniMax H3のリファレンスから動画生成を試す

知っておきたいこと

FastH3 Omniとは？

FastH3 Omniは、Hao AI Labの動画生成チームであるFastVideoが公開したMiniMax H3の蒸留版です。画像、動画、声でクリップを誘導するH3のリファレンスから動画生成モードを、50ステップではなく8ステップで再現するよう学習されています。

FastH3 OmniはMiniMax H3よりどれくらい速いですか？

FastVideoによると、8基のGB200 GPUでの27種類のワークロードで、エンドツーエンドのレイテンシはベースモデルより5.6–11.9×低くなりました。たとえば、画像1枚からの5秒クリップは約35秒から6秒未満に、画像9枚と動画3本からの15秒クリップは約7分から約1分に短縮されています。コンシューマー向けGPU 1基では、さらに時間がかかります。

品質はMiniMax H3と同じですか？

必ずしも同じではありません。FastVideoは比較サンプルを公開していますが、あくまで定性的なもので、出力が同等である証拠ではないとしています。以前のFastH3について、ComfyUIのガイドでは速度と引き換えに動きや音声の忠実度が一部失われると説明し、品質を最優先する場合はベースのH3を推奨しています。

FastH3 OmniとFastH3の違いは？

以前のFastH3はテキストから動画と、ComfyUIでは画像から動画に対応していましたが、リファレンスモードは蒸留されていませんでした。FastH3 Omniではリファレンスから動画生成が加わり、画像、動画クリップ、声で結果をコントロールできます。

自分のGPUでFastH3 Omniを動かせますか？

適切な環境があれば可能です。FastVideoはNVFP4ウェイトを使うDGX SparkとRTX 5090向けのレシピ（どちらも既定は480p）と、オフロードを使うRTX 4090向けのFP8レシピを提供しています。同梱のNVFP4テキストエンコーダーにはBlackwell GPUが必要です。

FastH3 OmniはComfyUIで使えますか？

はい。FastVideoはHugging Faceのコレクションで、FastH3 OmniのComfyUI用パッケージをFP8、NVFP4、BF16/INT8で公開しています。

FastH3 Omniはオープンソースですか？

ウェイトはHugging FaceのFastVideo/fasth3-omniで公開されており、学習コードはFastVideoのリポジトリにあります。製品で使う前に、モデルカードのライセンスを確認してください。

GoEnhanceでFastH3 Omniは使えますか？

現時点では使えません。このページのコンソールでは、フル版のMiniMax H3のリファレンスから動画生成を使用しています。同じ種類のリファレンス（画像最大9枚、動画クリップ1本、音声クリップ最大3本）に対応し、GPUなしでブラウザから利用できます。料金は1秒あたり720pで10トークン、1080pで14トークンで、会員向けの機能です。