一周之内,MiniMaxH3接连迎来两项海外开源成果。 10月28日,由英伟达与MIT研究人员组成的Efficient-Large-Model团队公开Open-H3-Regenerate-2K视频增强项目的权重与推理代码。两天后,Pika开放基于MiniMaxH3后训练的PikaH3Flex适配器权重与推理代码,六步即可联合生成画面和声音。 两项成果选择了不同的开发方向。英伟达团队着重解决视频草稿的高分辨率重生成,Pika则继续压缩生成步数,并围绕镜头设计、多模态参考和视频编辑优化模型。 Open-H3-Regenerate-2K复用MiniMaxH3的生成能力,将低分辨率视频草稿重新生成为高分辨率视频,支持2560×1440的2K输出,最高可实现3840×2160的原生4K重生成。MiniMax官方H3-Regenerate-2K模块通过API提供2K输出服务,英伟达的项目发布则为这一环节提供了可自行部署的开放实现。 在细化模型的训练阶段,研究团队保持H3Transformer主干与视频VAE的原有参数不变,仅训练新增的细化LoRA。推理时,该LoRA与LightX2VFL2VATurbo、LMSSharp等社区适配器合并,通过三步去噪,以视频草稿的场景、布局和运动信息为基础,在目标分辨率下重新生成画面细节。 项目同时结合SoL-Engine和快速VAE解码器提高处理效率。团队公布的测试显示,在单张NVIDIAB200GPU、预热后的条件下,一段约5秒视频的潜空间放大、三步细化和2K解码合计耗时,从未优化实现的87.26秒降至22.45秒,处理速度约为原来的3.9倍。其中,快速解码器来自该团队此前发布的StreamRender-H3,将视频解码耗时从约15秒缩短至约1.6秒。 Pika对H3的改造则更多面向生成过程和创作控制。根据其技术博客,团队先在内部音视频数据集上对M