FastH3 Omni
FastH3 Omni 是 MiniMax H3 的开源权重蒸馏版，面向带声音的参考生视频，由 FastVideo（Hao AI Lab）于 2026年10月20日发布。它只需 8 步而非 50 步，就能把提示词加上参考图、视频片段和人声，生成一段音画同步的视频；FastVideo 称其延迟比原模型低 5.6–11.9×。GoEnhance 并未托管 FastH3 Omni；下方控制台运行的是它所蒸馏自的完整版 MiniMax H3 参考生视频模型。
@1
@2
@3
MiniMax H3
参考图
@1
@2
@3
@4
添加 1–4 张图：人物、宠物、商品或场景。在提示词里按顺序用 @[image1]、@[image2]… 指代它们。
提示词
示例提示词
上传文件即表示你同意 GoEnhance 的服务条款和隐私政策
FastH3 Omni 带来了什么
8 步代替 50 步
FastH3 Omni 是 MiniMax H3 的少步数学生模型：每段视频只需 8 次 Transformer 推理，而原模型需要 50 次。FastVideo 在 8 块 NVIDIA GB200 GPU 上测试了 27 组对照任务，端到端延迟降低 5.6–11.9×。宣传中约 12× 的提速是最佳情况，即用一段短参考视频生成 15 秒视频。
参考人脸、场景、动作和声音
早先的 FastH3 只支持文生视频和图生视频，而 Omni 保留了 H3 的参考生视频模式。你可以在一个提示词中混合使用参考图、视频片段和人声参考；FastVideo 测试的组合从单张图片到 9 张图片加 3 段视频不等。
画面与声音一次生成
与 MiniMax H3 一样，FastH3 Omni 会同时生成画面和同步的立体声音频。FastVideo 的示例均为 24 fps，时长有 5 秒、10 秒和 15 秒。
可在 Blackwell 和 RTX 显卡上运行
除数据中心 GPU 外，FastVideo 还提供了为 Blackwell 训练的 NVFP4 权重，以及适用于 DGX Spark 和 RTX 5090 的运行方案（默认 480p），另有一套搭配逐层卸载、适用于 RTX 4090 的 FP8 方案。
开放权重、训练代码与 ComfyUI
权重发布在 Hugging Face 的 FastVideo/fasth3-omni 合集中，包含用于 ComfyUI 的 FP8 和 NVFP4 版本；训练方案放在 FastVideo 代码仓库里。FastVideo 表示，训练在 64 块 NVIDIA B300 上用了约 7,800 GPU 小时。
FastH3 Omni、FastH3 与 MiniMax H3 对比
如何在 GoEnhance 上制作类似 FastH3 Omni 的参考视频
01
上传参考素材
最多添加 9 张图片，用于角色、产品和场景。还可以添加 1 段视频片段作为动作参考，以及最多 3 段音频片段作为人声或音效参考，每段 2–15 秒。
02
在提示词中标注
用标签指代每个参考素材，例如 @[image1]，并描述动作、镜头和能听到的声音。台词请放进引号里。
03
选择时长、画幅和画质
时长可选 5 到 15 秒，画面比例从 16:9 到 9:16，分辨率为 720p 或 1080p。
04
生成并优化
MiniMax H3 会生成带原生音频的视频。调整提示词或替换参考素材后再生成一次即可。
