FastH3-Omni 补齐有声视频开源链路：八步蒸馏，单张 RTX 5090 可跑
- 项目情况：NuvaLab 与 FastVideo 基于 MiniMax H3 推出，10 月 20 日发布，本期作为近期更新补充。可结合文本及图像、视频、声音参考生成同步有声视频，单次最多支持 9 张图片与 3 段视频引用。
- 工程路径：采用八步蒸馏，开放模型权重与训练代码；官方给出 RTX 5090 32GB 本地方案，使用 NVFP4，默认输出 480p，运行时需组合模型组件、卸载文本编码器并配置预计算表。
- 边界：该方案给出的是具体消费级硬件路径，不能直接推广到所有消费级显卡；参考素材控制与音画同步的实际质量仍缺第三方复现数据。
- 行业意义：有声视频此前多以闭源服务形式提供，开放权重加训练代码的价值在于让参考控制成为可实验变量——能否指定哪段音频对应哪个画面元素，比单次生成时长更能决定这类模型在内容生产中的位置。 🔗 项目介绍 | 代码仓库 | 模型权重