UCSD FastVideo 开源 FastH3 Omni：蒸馏版 MiniMax-H3，带参考图和人声的有声视频生成最多快 12 倍，单张 RTX 5090 可跑

这件事意味着什么

【要点】

加州大学圣迭戈分校 Hao AI Lab 的 FastVideo 团队 10 月 20 日开源 FastH3 Omni：它是从 MiniMax 开源视频模型 MiniMax-H3 蒸馏出来的加速版，输入文字提示加参考图片、参考视频片段和参考人声，就能生成带同步声音的视频。权重、推理代码和训练代码一起放出，此前它只在 Reactor 的 API 上独家预览。

一、提速方式：把原模型的 50 次 Transformer 计算压到 8 次，用的是团队的并行解码蒸馏（PDD）加分布匹配蒸馏（DMD）。

二、速度（团队自测）：在 8 块 GB200 上，27 组相同输入的端到端延迟比原模型低 5.6 到 11.9 倍，例如一张参考图生成 10 秒视频从约 78.5 秒降到约 9.4 秒；团队称部分任务在其 UniServe 服务框架下可实时生成 768p 的 5、10、15 秒视频。

三、本地运行：提供 NVFP4 量化感知蒸馏和 FP8 权重，可在 DGX Spark 和 RTX 5090 上跑，FP8 版本附有 RTX 4090 配方；首日支持 ComfyUI。

四、训练成本：64 块 B300、3500 步，约 7800 GPU 小时。

五、许可：沿用 MiniMax-H3 社区许可协议；英伟达 FastGen 团队、Nuva Lab 和 Reactor 参与合作。

【可核验】

技术博客：https://haoailab.com/blogs/fastvideo-omniref-update/

模型合集：https://huggingface.co/collections/FastVideo/fasth3-omni

主权重与许可：https://huggingface.co/FastVideo/FastVideo-FastH3-Omni-8-Step-V1

代码：https://github.com/hao-ai-lab/FastVideo

发布帖：https://x.com/haoailab/status/2112625528805208257

【我们的判断】

一、带参考图、参考声音的视频生成通常要几十秒到几分钟，压到十秒以内并能放到单张消费级显卡上，会让个人创作者和小团队更容易用上开源视频模型。

二、这是第三方团队对 MiniMax 模型做的蒸馏，不是 MiniMax 官方发布；画质对比只是同种子的定性样例，团队也说明不能证明输出与原模型一致。

三、所有速度数据都是团队自测，硬件以英伟达新卡为主，老显卡上的表现还需要社区验证。