HyperFlow H3 Flash: видео со звуком на домашней RTX

Video Rebirth выложила HyperFlow H3 Flash: сжатую H3, которая отдаёт видео и синхронный стерео-звук 32 кГц за один проход. По карточке модели она помещается в одну RTX 4090 или 5090. Разбираю цифры из карточки модели, память под кванты и лицензию, которая для коммерции жёсткая.

Видеокарта в домашнем ПК выпускает плёнку кадров и звуковую волну одновременно, одним проходом
01

Что выпустила Video Rebirth

Десятого ноября 2026 года на Hugging Face появилась карточка HyperFlow H3 Flash от команды Video Rebirth. Это сжатая версия MiniMax H3 с малым числом шагов: видео и синхронный стерео-звук 32 кГц считаются вместе, в одном проходе. Официальным продуктом MiniMax сборка не является, веса собрала сторонняя команда и положила их под лицензию MiniMax H3 Community License.

Смысл новости для меня в адресе запуска. Сжатая H3 со звуком помещается в домашний ПК.

02

Нейросеть для видео со звуком, которая влезает в одну карту

В режиме fl2va у модели 13,7 млрд параметров, в режиме ref2va 13,9 млрд. Трансформер полной H3 весит около 31 млрд, то есть Flash это меньше половины. Параметры урезаны прунингом блоков, разложением слоёв и INT8, а число шагов сокращено: четыре шага для скорости, шесть по умолчанию для баланса, восемь для качества. Отдельного classifier-free guidance в схеме нет, негативный промпт авторы просят не использовать.

Выход: от 5,2 до 15 секунд, 24 кадра в секунду, по умолчанию 1344 на 768 пикселей.

Схема: квант модели умещается в одну видеокарту, четыре шага дают кадр и звук за один проход
03

Три режима: текст, кадры, референсы

t2va собирает ролик из одного текста. fl2va берёт текст плюс первый кадр либо пару из первого и последнего кадра. ref2va принимает до 12 референсов сразу: не больше девяти картинок, трёх видео и трёх аудио, причём аудио работает только вместе хотя бы с одной картинкой или видео.

Референсы в промпте называют по порядку, метками вида Picture 1 и Picture 2 в угловых скобках.

04

Скорость на домашней видеокарте

Цифры из карточки модели: клип 5,2 секунды, шесть шагов.

Пятнадцать секунд видео на RTX 5090 это 518 секунд работы, почти девять минут. Так выглядит нейросеть для видео со звуком на домашнем железе: клип в 5,2 секунды на 4090 идёт две с половиной минуты, на 3090 больше пяти. Для черновика терпимо, для серии из двадцати шотов уже смена.

КартаВремя на клип 5,2 с
4 × B2008,7 с
1 × H20036 с
RTX 509092 с
RTX 5090, INT8 в ComfyUI83 с
RTX 4090152 с
RTX 3090, GGUFоколо 315 с
05

Локальная нейросеть для генерации видео: сколько нужно памяти

Квант Q4_K_M занимает 9,1 ГБ, Q8_0 занимает 14,9 ГБ. Авторы пишут, что модель идёт на картах 24 и 32 ГБ в ПК с 16 ГБ оперативной памяти. Карты на 16 ГБ они ещё не проверяли, поэтому владельцам младших моделей придётся ждать чужих замеров.

Готовые шаблоны есть для ComfyUI, а также GGUF-сборка, Unsloth Studio и stable-diffusion.cpp. Для человека, который собирает видео на своём ПК без облака, это рабочий вход: скачал квант, поставил шаблон, прогнал тест на своём кадре.

Одна оговорка про качество малых квантов. Авторы сравнивают свои сборки сами, независимых замеров на Q4_K_M пока нет, и разница между девятигигабайтным квантом и полной точностью остаётся на их совести.

06

Лицензия: где заканчивается эксперимент

HyperFlow H3 Flash идёт под MiniMax H3 Community License, и для коммерции она жёсткая. В ЕС, Великобритании, Южной Корее и США лицензия не действует без разрешения MiniMax. Контент надо открыто помечать как сгенерированный ИИ. Компании с выручкой выше 1,7 млрд ₽ в год получают доступ только с письменного разрешения. В интерфейсе продукта требуется показывать «MiniMax H3», а выходы нельзя брать для обучения других моделей.

Для студии это означает простую вещь: работать с весами из ЕС, Великобритании, Кореи или США без разрешения MiniMax нельзя, а в остальных странах условия лицензии надо соблюдать и на черновиках.

07

Что это меняет в работе

Для многих локальная нейросеть для генерации видео со звуком до сих пор означала аренду или очередь в чужом облаке. С Flash черновик шота собирается на своём столе: пять секунд примерно за полторы минуты на 5090, поправил промпт, повторил ещё раз. Прирост получают не конвейеры на сотню роликов, прирост получает скорость проверки идей.

Для серийного производства видео нейросетями облако пока удобнее: объём важнее одной карты. Ручные ролики от 16 000 ₽ устроены иначе: кадр и звук там ведёт человек, и локальная генерация помогает ему только на черновом этапе. Заметнее всего выигрывают длинные серии, ведение YouTube-канала это десятки шотов в месяц, и лишний прогон на своём железе экономит день.

08

Мой вывод

HyperFlow H3 Flash показывает, что H3 со звуком реально укладывается в одну домашнюю карту. Для меня это смена привычки, инструмент остаётся тем же: черновики дома, финальный рендер там, где быстрее и где лицензия чистая.

Второй вывод про лицензию. Её условия для ЕС, США, Великобритании и Кореи важнее бенчмарков: модель годится в эксперимент и не годится в коммерческий продукт без разрешения MiniMax. Студия, которая работает из этих стран, читает лицензию до первого заказа.

Третий: все цифры скорости привязаны к одной карте и одному клипу в 5,2 секунды на шести шагах. Перед покупкой 5090 стоит прогнать свой промпт и свой тип кадра, лицо и товар ведут себя по-разному.

частые вопросы

01HyperFlow H3 Flash это официальная модель MiniMax
Нет. Это сжатая версия MiniMax H3, собранная командой Video Rebirth и выложенная на Hugging Face под лицензией MiniMax H3 Community License.
02Сколько памяти нужно для видео со звуком на своей видеокарте
Квант Q4_K_M занимает 9,1 ГБ, Q8_0 около 14,9 ГБ. Авторы проверяли карты на 24 и 32 ГБ в ПК с 16 ГБ оперативной памяти, для карт на 16 ГБ замеров пока нет.
03Пойдёт ли генерация на карте 16 ГБ
Ответа у авторов нет, они честно пишут, что такие карты не проверяли. По размеру кванта Q4_K_M запас места вроде бы есть, по факту нужен чужой прогон.
04Можно ли продавать видео, собранное на HyperFlow H3 Flash
Зависит от рынка. В ЕС, Великобритании, Южной Корее и США нужно разрешение MiniMax, плюс обязательная пометка контента как сгенерированного ИИ и надпись «MiniMax H3» в интерфейсе продукта.
05Чем Flash отличается от полной H3
Размером и числом шагов: 13,7 млрд параметров против примерно 31 млрд у трансформера H3, четыре, шесть или восемь шагов вместо длинной схемы. Видео и стерео-звук 32 кГц генерируются в одном проходе.