HyperFlow H3 Flash nén model video và audio 31B xuống 14B

Video Rebirth giới thiệu HyperFlow H3 Flash, phiên bản được nén từ model diffusion video và audio MiniMax-H3 31B xuống 14B. Model có thể tạo video cùng stereo audio đồng bộ, với cấu hình mặc định 6 sampling steps; người dùng có thể chọn 4 bước để ưu tiên tốc độ hoặc 8 bước để ưu tiên chất lượng.
Dự án hỗ trợ nhiều luồng tạo nội dung, gồm text-to-video-audio, tạo từ keyframe đầu hoặc đầu-cuối, và sử dụng ảnh, video hoặc audio tham chiếu theo thứ tự xuất hiện trong prompt. Clip có thể dài từ khoảng 5,2 đến 15 giây ở 24 fps, với số khung hình từ 124 đến 362. Hệ thống cũng hỗ trợ context-parallel trên tối đa bốn GPU trong ví dụ được công bố.
HyperFlow H3 Flash cung cấp weights trên Hugging Face, node cho ComfyUI, hướng dẫn GGUF và bộ cài qua pip. GGUF được khuyến nghị cho máy có tối đa 64 GB RAM hệ thống; INT8 convrot phù hợp hơn với GPU data center hoặc GPU RTX từ 24 GB VRAM đi kèm ít nhất 69 GiB RAM hệ thống. Yêu cầu gồm Python 3.10+, PyTorch 2.6+, CUDA, Triton, diffusers 0.40 trở lên và GPU NVIDIA kiến trúc Ampere hoặc mới hơn. Lần chạy đầu tải khoảng 90 GB, hoặc 68 GB khi dùng text encoder FP8.
Đây là hướng tiếp cận đáng chú ý để đưa video kèm audio đến gần hơn với người dùng self-hosting. Tuy vậy, dung lượng tải xuống và yêu cầu GPU, RAM vẫn là rào cản lớn với phần đông người dùng Việt Nam.
Bài được AI biên dịch và tóm tắt từ nguồn trên. Xem bài gốc để có đầy đủ thông tin.