HyperFlow H3 Flash - 31B動画・音声モデルを13.7Bへ圧縮した高速生成
Show HN: We compressed a 31B video+audio diffusion model to 14B, 6 steps, INT8
HyperFlow H3 Flashは、Video RebirthがMiniMax-H3を圧縮した数ステップ生成モデルです。動画と同期したステレオ音声を同時に生成でき、パラメータ数は約31Bから13.7Bへと半分以下に削減。CFGなしの4・6・8ステップサンプリングに対応し、5.2秒のクリップをRTX 5090で約92秒、H200なら36秒で生成します。GGUF版はQ4_K_Mで9.1GBと軽量で、24GB GPUと16GBのシステムRAMを積んだPCでも動作。ComfyUI、Unsloth Studio、stable-diffusion.cpp、Pythonパッケージなど多彩なランタイムで、テキスト・キーフレーム・参照素材からの動画音声生成を手軽に試せます。
31Bの巨大モデルを13.7Bに圧縮し、わずか6ステップで動画と音声を同時に生成——しかも24GB GPUのPCで動かせる手軽さが、このモデルの本当の魅力です。