HuggingFace镜像/MiniMax-H3-GGUF
模型介绍
文件和版本
分析

MiniMax H3(GGUF 量化版本)

本仓库(Abiray/MiniMax-H3-GGUF)提供了 MiniMax H3 模型的 GGUF 量化版本及必要的组件文件。MiniMax H3 是一个通用的全模态生成系统,支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解。它能够生成具有原生立体声音频的视频,分辨率最高可达 2K,时长最长可达 15 秒。


📌 注意:面向消费级 GPU 的裁剪版本

如果您正在寻找一个体积更小、质量同样出色且更适合消费级 GPU 的模型,请查看 MiniMax-H3-Pruned-GGUF 仓库。 裁剪后的架构压缩至 8.9 GB – 21.6 GB,使 MiniMax H3 能够直接在消费级硬件上运行。 可用的裁剪量化版本:

位宽量化类型文件大小
3-bitQ3_K_M8.9 GB
4-bitQ4_K_S, Q4_K_M11.6 GB
5-bitQ5_K_S, Q5_K_M14.1 GB
6-bitQ6_K16.7 GB
8-bitQ8_021.6 GB

仓库内容

UNet 模型(GGUF)

本仓库包含 FL2VA(首末帧模式)和 Ref2VA(全参考模式)基础模型的量化版本。

  • FL2VA 模型:
    • MiniMax-H3-FL2VA-Q3_K_M.gguf(15.6 GB)
    • MiniMax-H3-FL2VA-Q3_K_S.gguf(15.6 GB)
    • MiniMax-H3-FL2VA-Q4_0.gguf(18.6 GB)
    • MiniMax-H3-FL2VA-Q4_K_M.gguf(19.9 GB)
    • MiniMax-H3-FL2VA-Q4_K_S.gguf(19.9 GB)
    • MiniMax-H3-FL2VA-Q5_0.gguf(22.8 GB)
    • MiniMax-H3-FL2VA-Q5_K_M.gguf(23.9 GB)
    • MiniMax-H3-FL2VA-Q5_K_S.gguf(23.9 GB)
    • MiniMax-H3-FL2VA-Q6_K.gguf(28.2 GB)
    • MiniMax-H3-FL2VA-Q8_0.gguf(36 GB)
  • Ref2VA 模型:
    • MiniMax-H3-Ref2VA-Q3_K_M.gguf(15.6 GB)
    • MiniMax-H3-Ref2VA-Q3_K_S.gguf(15.6 GB)
    • MiniMax-H3-Ref2VA-Q4_0.gguf(18.6 GB)
    • MiniMax-H3-Ref2VA-Q4_K_M.gguf(19.9 GB)
    • MiniMax-H3-Ref2VA-Q4_K_S.gguf(19.9 GB)
    • MiniMax-H3-Ref2VA-Q5_0.gguf(22.8 GB)
    • MiniMax-H3-Ref2VA-Q5_K_M.gguf(23.9 GB)
    • MiniMax-H3-Ref2VA-Q5_K_S.gguf(23.9 GB)
    • MiniMax-H3-Ref2VA-Q6_K.gguf(28.2 GB)
    • MiniMax-H3-Ref2VA-Q8_0.gguf(36 GB)

文本编码器

  • qwen3vl_32b_minimax_h3_int4_convrot.safetensors(15 GB)
  • qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors(27.1 GB)
  • qwen3vl_32b_minimax_h3-Q4_K_M.gguf(14.6 GB)

VAE 模型

  • minimax_h3_audio_vae_fp32.safetensors(605 MB)
  • minimax_h3_video_vae_fp16.safetensors(5.21 GB)

模型变体与输入规格

  • H3-Base-FL2VA:首末帧模式。支持零张、一张或两张输入图像。
    • 无图像输入:文本生成视频模式。
    • 一张图像输入:首帧生成视频或末帧生成视频。
    • 两张图像输入:首末帧生成视频。
  • H3-Base-Ref2VA:全参考模式。支持多模态参考输入:
    • 图像:≤ 9 张。
    • 视频:≤ 3 段;每段时长须为 2–15 秒;总时长 ≤ 15 秒。
    • 音频:≤ 3 段;音频必须伴随图像或视频输入,不可作为唯一输入;每段时长须为 2–15 秒;总时长 ≤ 15 秒。
    • 混合输入:所有输入类型的文件总数上限为 12 个。

输出规格

  • 输出时长:4–15 秒。
  • 输出宽高比:支持多种宽高比,包括但不限于 21:9、16:9、4:3、1:1、3:4 和 9:16。
  • 输出分辨率:支持多种分辨率尺寸。默认短边设为 768 像素。使用 H3-Regenerate-2K 可实现 2K 生成。
  • 输出帧率:24 FPS。
  • 输出音频:32 kHz 立体声。
  • 支持的对话语言:稳定支持 11 种语言:阿拉伯语、中文、英语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语和西班牙语。对其他语言也有不同程度的支持。

许可证

MiniMax H3 根据《MiniMax H3 社区许可协议》发布。