跳到正文MiniMax H3 视频，原生运行。
阅读实现方式
0.22.1当前版本
MiniMax H3 视频，原生运行。
从文字或图片到带声音的 4MP 成片。
原生 PyTorch/Triton 去噪运行时，一次请求生成 5–15 秒带音轨的 MP4：文字、首帧、尾帧、首尾帧或最多九张参考图，图像条件下最高 2720×1536。Python／CLI交付MP4，原生HTTP交付潜变量。另有96GiB SM120专用的前4后6分段画面与Larry十二步原生声音API。
按显卡选择NVIDIA / CUDA
48GB显存
- 执行方式
- 单卡 · 常驻或块环
- 已实测路径
- SM89配置；混合v0.1最长15秒、原生4MP
参考平台。BF16 混合 Veda 44/6 实测 2720×1536 五秒约 660 秒；928×512 五秒含六步音频修复约 112 秒。
检查显卡匹配，不加载权重
vflash plan i2va-turbo4-v01-544-exact-sm89 \
--gpu 0能生成什么
T2VA、Ref2VA（1–9 张参考图）、I2VA、L2VA、FL2VA 与短视频参考。时长 5–15 秒、24 fps；画布宽高为 32 的倍数，普通请求最多 1MP，图像条件原生高清最多 2048² 像素、最长边 2720，并受 宽×高×帧数 ≤ 2048²×124 的联合预算约束。具体组合以所选配置与硬件的实测范围为准。 查看模式与限制
按你的任务开始
理解实现，按需扩展。
原生去噪器、LoRA 合并、显存调度、双卡布局与媒体交付均由 Vflash 实现；编码器与 VAE 使用固定版本的官方代码。