FastH3 Omni 正式开源：MiniMax H3 参考生视频提速 6-12 倍，权重、训练代码和 ComfyUI 支持同步放出
10 月 20 日，UCSD Hao AI Lab 的 FastVideo 团队按此前预告，正式开源 MiniMax H3 的蒸馏版 FastH3 Omni，连同训练代码一起放出。它支持用提示词加最多 9 张图片、视频片段和人声参考，生成带同步声音的 5 到 15 秒视频；官方在 8 张 GB200 上测了 27 组任务，端到端耗时比原版低 5.6 到 11.9 倍。ComfyUI 首日支持，也给了 RTX 5090 和 DGX Spark 的本地运行方案。
据 Hao AI Lab 10 月 20 日发布的官方博客和发布帖，FastH3 Omni 已经完整开源，模型权重和训练代码都可以下载。本站 10 月 18 日报道过它的预览版，这次是正式版本落地。
几个要点：
- 能做什么：输入一段提示词，再配上参考图（最多 9 张）、参考视频片段和一段人声，生成 5、10 或 15 秒、24 帧、带立体声的视频。提示词里用「图 1」「视频 1」「音频 1」这样的编号，指定谁的脸、哪段动作、谁的声音放在哪里；
- 快多少：原版 H3 生成一段要走 50 步，FastH3 Omni 压到 8 步。官方在 8 张 GB200 上对比了 27 组任务，单图生 5 秒视频从约 35 秒降到约 5.7 秒，单段参考视频生 15 秒从约 140 秒降到约 12 秒，整体快 5.6 到 11.9 倍；
- 本地能跑：给了 DGX Spark 和 RTX 5090 的 NVFP4 量化权重和配置，默认 480p；RTX 4090 等显卡可以走 FP8 版本。ComfyUI 官方已宣布首日支持；
- 几点提醒：官方明确说示例视频只是直观对比，不代表画质和原版完全一致；量化版本的输出也可能和原版有差别。博客还提到，专门讲本地运行的文章计划 10 月 21 日发布。
对创作者意味着什么： 「多张参考图 + 指定声音」正是做口播、带货短片和角色类剧情最需要的能力，以前这类模型要么只能在云端付费用，要么本地慢得没法反复试。现在有了开源的快速版，手上有 RTX 5090 这类显卡的创作者可以在 ComfyUI 里本地多跑几版来挑。不过本地默认只有 480p，想要高清还得靠云端或后期放大。另外用人声参考时，只用自己或已获授权的声音和肖像，别拿别人的脸和声音去生成内容。
信息来源：Hao AI Lab 官方博客（2026-10-20）（本文为编辑整理改写）
