Hao AI Lab 开源 FastH3 Omni：把 MiniMax H3 蒸馏到 8 步，多参考音视频生成端到端延迟降低 5.6–11.9 倍

核心背景与行业痛点

带声音的参考视频生成（给几张人像、一段动作、一段人声，让模型合成一条有对白的短片）是视频模型最实用的方向之一，但 MiniMax H3 这类模型默认要跑 50 步扩散，单条 15 秒视频在 8 张 GB200 上也要两分多钟，既难实时，也难在本地显卡上跑。UCSD Hao AI Lab 的 FastVideo 团队与 Nuva Lab、NVIDIA FastGen 团队合作推出 FastH3 Omni，目标就是把速度降到接近实时。

架构亮点与底层机制

FastH3 Omni 用两种蒸馏组合：PDD 让模型一次前向覆盖多个去噪步，DMD 再把输出质量拉回基座水平，最终只需 8 次 transformer 计算、引导系数 1.0。一次请求可混用最多 9 张图、3 段视频和 3 段音频，用 <Picture 1>、<Video 1>、<Audio 1> 指定谁的脸、哪段动作、谁的声音。团队还训练了 4-bit 的 NVFP4 VAE 解码器（36 层质量档、8 层快速档）。

权威 Benchmark 与实测跑分对比

官方口径：在 27 组相同提示、相同参考、1344×768 输出的对照负载上，8×GB200 端到端延迟降低 5.6–11.9 倍，计时到 MP4 写完为止。单图 5 秒请求从 35.44 秒降到 5.67 秒，15 秒请求从 139.69 秒降到 14.14 秒。官方说明示例只是定性对比，不代表与基座输出完全等价；画质的公开量化跑分官方未公布。

开发者实战落地与开箱指南

BF16 权重在 Hugging Face 的 FastVideo/FastVideo-FastH3-Omni-8-Step-V1，服务端部署用 UniServe（GB200/B200、RTX PRO 6000、H100/H200）。本地可在 DGX Spark 或 RTX 5090 上用 FastVideo 加 NVFP4 QAD 权重，默认 480p；没有 FP4 的 RTX 4090 用 FP8 版。ComfyUI 首日支持。注意权重受 MiniMax-H3 社区许可约束，商用前要读条款；官方称本地 AI 专文将于 10 月 21 日发布。