淘宝 TaoMate-H3 开源：三步 LoRA 实现分钟级音视频流式生成

2026/10/15 15:38

发布：大淘宝技术团队开源 TaoMate-H3，基于 MiniMax H3 的音视频联合流式生成模型，推理代码与 LoRA 权重已开放下载。
机制：通过少步 LoRA 将每个小片段的去噪过程压缩为三步，配合音视频 KV 缓存与 Self Forcing 自回归训练，实现边生成边播放；支持分段提示词编排、分钟级续写、480p/768p/1080p 横竖屏输出。
性能：在 8×H20 96GB 上，10 秒视频的纯 DiT 计算耗时从 169.6 秒降至 14.8 秒（11.45 倍），首段最终 latent 就绪时间从 170 秒降至 6.1 秒（27.66 倍）。
应用场景：电商讲解、人物演唱、动漫对白、环境音效与特效镜头均已有演示，模型基于 MiniMax H3 Community License。