HyperFlow H3 Flash 是 Video Rebirth 对 MiniMax-H3 的压缩少步版本，可同时生成视频与同步立体声音频。

展示页面 · 权重（Hugging Face）· ComfyUI 节点 · GGUF 配置指南 · 全尺寸 MiniMax-H3 的 8 步 LoRA

任务 输入 ComfyUI 模板 GGUF Python INT8 t2va 文本提示词 hyperflow_t2v 支持 支持 fl2va 提示词 + 首帧，或首帧与末帧 hyperflow_i2v、hyperflow_flf2v 支持 支持 ref2va 提示词 + 最多 12 个参考素材 hyperflow_ref2v 仅图像 图像、视频与音频

选择运行方式 决策规则：系统内存 64 GB 及以下的 PC 使用 GGUF；数据中心 GPU，或配备 24 GB 以上显存且系统内存至少 69 GiB 的 RTX GPU，使用 INT8 convrot。

所有量化权重均位于 VideoRebirthAI/hyperflow-h3-flash。

量化版本 fl2va_gguf/ ref2va_gguf/ 适用场景 Q4_K_M 9.1 GB 9.2 GB 24 GB GPU 的推荐默认选择 Q8_0 14.9 GB 15.2 GB 显存与系统内存足够时最接近全精度 Q3_K_M 7.2 GB 7.4 GB 占用最小（另有 Q4_K_S、Q5_K_M 与 Q6_K 可选）

完整配置指南：integrations/README.md。快速开始：

安装 pip install git+https://github.com/Video-Rebirth/hyperflow-h3-flash pip install "hyperflow-h3-flash[hopper] @ git+https://github.com/Video-Rebirth/hyperflow-h3-flash" # H100 / H200：FlashAttention-3 pip install "hyperflow-h3-flash[fp8] @ git+https://github.com/Video-Rebirth/hyperflow-h3-flash" # --text-encoder-precision fp8

环境要求：Python 3.10+、带 CUDA 与 Triton 的 PyTorch 2.6+（原生 Windows 上需 pip install triton-windows）、Ampere 或更新的 NVIDIA GPU，以及 diffusers >= 0.40。多 GPU（--gpus > 1）需要 Linux 或 WSL2（WSL2 上需调高 %UserProfile%.wslconfig 中的 memory=）。

首次运行下载：约 90 GB；若使用 --text-encoder-precision fp8 则约 68 GB。其中包含 MiniMax-H3 文本编码器、VAE，以及所选任务对应的 16 GB HyperFlow INT8 transformer。62 GB 的基础 transformer 不会被下载。

首次运行编译：Triton INT8 kernel 会在首次使用时编译（约 1 分钟）。

命令行 运行 hyperflow-h3-flash 或 python -m hyperflow_h3_flash：

文本生成视频 + 音频（t2va）

hyperflow-h3-flash --prompt "A chef slides a steaming bowl of ramen across a wooden counter; rain taps on the window."
--output ramen.mp4

首帧，或首帧 + 末帧（fl2va）

hyperflow-h3-flash --prompt "..." --image first.png --output clip.mp4 hyperflow-h3-flash --prompt "..." --image first.png --last-image last.png --output clip.mp4

按提示词顺序传入参考图像、视频（含配乐）与音频片段（ref2va）

hyperflow-h3-flash --prompt "<Picture 1> walks through the scene of <Picture 2> ..."
--reference person.png --reference scene.png --output clip.mp4

15 秒片段，跨 4 块 GPU 做上下文并行（或用 --gpus auto 使用最多 4 块可见 GPU）

hyperflow-h3-flash --prompt "..." --num-frames 360 --gpus 4

4 步（速度优先）、6 步（默认）或 8 步（质量优先）

hyperflow-h3-flash --prompt "..." --steps 4

选项 取值 / 默认值 说明 --steps 4、6（默认）、8 采样步数：4 步追求速度，6 步均衡，8 步追求质量。Sigma 网格定义在 schedule.py 中。 --num-frames 124–362（默认 124） 24 fps 下的帧数（5.2 至 15 秒）。会向上取整到 17n + 5（因此 360 会变成 362）。 --height、--width 32 的倍数 默认短边为 768。跟随 --image 的宽高比；t2va 下为 16:9。 --reference 可重复的路径 ref2va 的输入，按提示词顺序对应 <Picture i>、<Video i> 与 <Audio i>。上限：9 张图像、3 个视频、3 个音频片段，共 12 个。 --gpus（--num-gpus） 1、2、4、7、8、auto 多 GPU 上下文并行与 VAE 分块并行。会自动在 torchrun 下重新启动。 --offload auto（默认）、none、model、stream GPU 显存放置策略。见「卸载模式」。 --text-encoder-precision bf16（默认）、fp8 fp8 会加载 Qwen/Qwen3-VL-32B-Instruct-FP8。卸载时可节省约 22 GiB 系统内存。需要安装 [fp8] extra。 --fp8-gemm triton（默认）、deepgemm fp8 文本编码器的 GEMM 后端。deepgemm 需要 Hopper 或更新架构。 --attention auto（默认）、sdpa、fa3 安装 kernels 后在 Hopper 上使用 FlashAttention-3（fa3），否则使用 PyTorch sdpa。 --block-chunk 0（默认）、16384、... 对 transformer 块中的每个逐 token 运算做切片，以限制显存中的激活值。16384 可在 24 GB 显存下容纳 15 秒的混合 ref2va。 --weights、--subfolder、--base-model Hub ID 或本地路径 覆盖 transformer 仓库、任务子目录或基础 MiniMaxAI/MiniMax-H3 快照。

examples/benchmark.py 会在 torchrun 下测量每个流水线阶段的耗时以及每块 GPU 的峰值内存。

import torch from diffusers.utils.export_utils import encode_video from hyperflow_h3_flash import load_pipeline pipe = load_pipeline("t2va") # "fl2va"：传入 image=...（以及 last_image=...）；"ref2va"：传入 references=[...] out = pipe( prompt="A chef slides a steaming bowl of ramen across a wooden counter.", num_frames=124, num_inference_steps=6, # 4、6 或 8 generator=torch.Generator().manual_seed(0), output=["videos", "audio", "sampling_rate"], ) encode_video( out["videos"][0], fps=24, output_path="ramen.mp4", audio=out["audio"][0], audio_sample_rate=out["sampling_rate"], )

在 torchrun 下使用多 GPU：调用 torch.distributed.init_process_group("nccl")，并向 load_pipeline 传入 device=f"cuda:{local_rank}"。流水线会在各 rank 之间分片执行，并在每个 rank 上返回完整输出。

独立 transformer（AutoModel）：每个 INT8 Hub 目录都自带模型代码，无需安装本包即可加载： from diffusers import AutoModel，然后 AutoModel.from_pretrained("VideoRebirthAI/hyperflow-h3-flash", subfolder="fl2va_int8_convrot", trust_remote_code=True, torch_dtype=torch.bfloat16)。

--offload 决定 GPU 显存放置策略。auto（默认）会根据每块 GPU 的显存自动选择模式：

所有数据均为端到端运行：1344×768 分辨率、6 步，包含文本编码、transformer 以及视频与音频 VAE 解码。每个 a / b 单元格分别是 5.2 秒 / 15 秒片段（124 / 362 帧）的总耗时。

GPU GGUF，≥ 64 GB 内存 GGUF，32 GB 内存 GGUF，16 GB 内存 INT8，≥ 69 GiB 内存 RTX 5090（32 GB） 99 s / 575 s 118 s / 618 s 130 s / 615 s 92 s / 551 s

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）