pi-H3 实现 2 步生成视频且绕过 VAE 解码器,B200 上 5 秒视频仅需 3.8 秒
Apprehensive_Sky892 · reddit · 2026-11-11
开源研究项目 pi-H3 宣布:基于 MiniMax H3 的最快版本,仅需 2 或 4 个采样步、最后一步直接预测像素、完全跳过视频 VAE 解码器。单张 B200 上 5 秒 768p 含立体声视频生成耗时 3.8 秒(亚实时),比 Sol-H3 快 2 倍以上。
端到端速度(单张 B200,含文本编码到解码音视频):
- 5 秒视频 3.8 秒(2 步),10 秒视频 9.2 秒,均快于播放速度
- 5–15 秒视频对比 Sol-H3:2 步提速 2.4–2.7×,4 步提速 1.2–1.4×
- 提速来源:更少去噪步数、移除解码器、FP8 量化
质量:作者称 4 步设置下综合质量优于 LightX2V Turbo、FastH3、H3-Turbo v4 等同类少步模型,运动更生动、纹理更细、音频低音与语音更完整(无 seed 挑选对比)。
两项核心技术:
- pi-Flow v2:pi-Flow 的全面升级,免数据少步蒸馏,改善 2 步设置的结构一致性,且轨迹更直、简化推理
- DWD(Decoding Without a Decoder):复用去噪器本身在最后一步直接输出干净像素,免去笨重的 VAE 解码器;在 H3 的大压缩比(4×32×32)下仍属实验性,有优化空间
发布节奏:HF demo 已上线,11 月 16–22 日放出权重与推理代码,11 月下旬放训练代码,并将提供 ComfyUI-piFlow 扩展支持。
所属事件:pi-H3 开源：B200 上数秒生成高质量视频(2 条相关)→
「多模态」频道最新
- 小型 TTS 集中发布:Paradee 8M 参数 WER 低至 0.69% — LysandreJik · 2026-11-11
- WaveGen 提出 Spectral Forcing，跳过编解码器实现端到端文本转波形 SOTA — Ajou · 2026-11-11
- 用 Gemini 4 Carbon 代码生成电影级镜头，星战场景演示惊艳 — jason_mayes · 2026-11-11
- Fable 5.2 实测：10 分钟到 4 小时产出 5 支视频作品 — FinanceYF5 · 2026-11-11
- Midjourney 摄影感人像:床边旧手提箱场景与完整提示词 — tisch_eins · 2026-11-11
- AI 生成迪士尼风格 3D 动画演示：卡通动物与表情已具动画电影质感 — FinanceYF5 · 2026-11-11