HyperFlow H3 Flash: modelo de 13.7B para generación de video y audio

Fuentes: HyperFlow H3 Flash: 13.7B model for joint video and audio generation

HyperFlow H3 Flash es una versión comprimida y optimizada del modelo MiniMax-H3, desarrollada por Video Rebirth. Este modelo de 13.700 millones de parámetros está diseñado para generar video y audio estéreo sincronizado de forma conjunta, reduciendo significativamente la carga computacional en comparación con la versión original de ~31.000 millones de parámetros. La herramienta permite producir clips de 5,2 a 15 segundos a 24 fps con una resolución de 1344×768 y una banda sonora de 32 kHz, utilizando entre 4 y 8 pasos de muestreo.

El sistema destaca por su eficiencia en hardware accesible. Funciona en GPUs de consumo como las RTX 5090 con 24 GB de VRAM, requiriendo solo 16 GB de RAM del sistema para operar con la cuantización Q4_K_M (9,1 GB). Para entornos de datos, ofrece soporte para GPUs de NVIDIA B200 y H200, logrando tiempos de inferencia de 8,7 segundos en una configuración de 4 GPUs B200. La integración incluye nodos para ComfyUI, soporte para Python con cuantización INT8 y GGUF, y una aceleración en tiempo real mediante la colaboración con NVIDIA SOL-H3.

El proyecto proporciona guías detalladas para la instalación en ComfyUI, Unsloth Studio y stable-diffusion.cpp, así como herramientas de línea de comandos para la generación directa de video. Los usuarios pueden elegir entre diferentes niveles de precisión (Q3_K_M a Q8_0) y modos de offload de memoria, adaptándose a sus recursos específicos. La primera ejecución requiere una descarga inicial de aproximadamente 90 GB, que incluye el codificador de texto y los VAEs, aunque el transformador base no se descarga para ahorrar espacio.