4K 重生成从付费 API 走进开源权重
10 月 30 日,由英伟达与麻省理工学院研究人员组成的 Efficient-Large-Model 团队在 Hugging Face 发布视频增强项目 Open-H3-Regenerate-2K 的模型权重,配套推理代码已在 NVlabs/Sana 仓库开放。
该方案基于 MiniMax H3,把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 H3 完整系统里,H3-Base 负责生成 768P 音视频,H3-Regenerate-2K 模块此前只以 API 形式对外服务,这次发布等于把高分辨率重生成环节变成一套可以自行部署的开放实现。
5 秒视频从 87 秒压到 22 秒
训练阶段团队保持 H3 Transformer 主干与视频 VAE 的原有参数不变,只训练新增的细化 LoRA。推理时细化 LoRA 与 LightX2V FL2VA Turbo、LMS Sharp 等社区适配器合并使用,通过三步去噪在目标分辨率下重新生成画面细节。
项目采用社区开发的潜空间放大器直接放大视频潜在表示,减少高分辨率下重复解码与编码的开销,同时结合 SoL-Engine 的稀疏注意力、低精度计算和快速 VAE 解码器加速细化与解码。团队公布的测试显示,在单张 NVIDIA B200 GPU、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,其中快速解码器把视频解码环节从约 15 秒压到约 1.6 秒。
画质评测与 H3 生态规模
画质方面团队在 RefinerBench-150 上做了对比评测,相同输入与相同 2K 输出条件下,Open-H3-Regenerate-2K 在感知质量评测 UniPercept 上的平均分为 60.0,官方 H3-Regenerate-2K API 为 53.4。VBench 评测中该方案的美学质量、成像质量和主体一致性得分更高,官方 API 在运动平滑度和动态程度上仍略优。
生态层面,MiniMax H3 今年 8 月开放权重,一个月内下载量超过 2400 万次,产生超过 300 个公开衍生模型,成为 2026 年全球下载量最高的模型之一。同一个英伟达与 MIT 团队此前还发布了基于 H3 Ref2VA 的流式视频渲染模型 StreamRender-H3,以及从 H3 视频 VAE 蒸馏而来的快速解码器 Sol-H3-VAE。想了解 H3 本身的能力边界,可以看MiniMax H3 的完整模型拆解。
相关阅读
延伸阅读
- Seedance 2.0 mini 上线火山方舟:720P 单秒成本约 0.5 元,比 2.0 便宜一半2 月前
- MiniMax H3-Image 开源:4K 图 10 秒生成与 0.23 元定价2 天前
- MiniMax-M1 开源推理模型解析:4560 亿参数、100 万 Token 上下文,54 万美元完成训练2 月前
- 可灵AI 4.0深度:8000 Token提示词容量、Omni Reference与多语言唇音同步3 周前
继续读
往下这几篇值得接着看:
- MiniMax H3-Image 开源:10 秒生成 4K 图,速度 5 倍2026-11-11
- 富士电视台 2027 年全面用 AI 做剧:省下 70% 至 80% 特效工序2026-11-09
- MiniMax H3-Image 开源:4K 图 10 秒生成与 0.23 元定价深度2026-11-11
