FastH3-Omni

FastH3-Omni 是 FastVideo 团队对 MiniMax-H3 视频模型做的 8 步蒸馏版，这个 Hugging Face 页面可以直接在线试。

玩法是把图片、视频片段、音频按顺序作为参考素材传上去，再写一句场景描述，它会把这些参考和提示词揉在一起，生成一段带配套音轨的短视频。提示词里可以用“图片1”“视频2”这样的标签指明哪段描述对应哪份素材，比纯文字描述好控制。

速度上，原版要几十步采样，它只要 8 步。演示用的是 FP8 量化版本，官方还放出了 NVFP4 版本和 ComfyUI 工作流，本地有显卡的可以下载自己跑。在线版跑在 ZeroGPU 上，免费但会排队，适合先看看效果再决定要不要本地部署。

拿来拍竖屏短剧前，可以在 TVLab 看看同题材的热播剧怎么开场、第几集反转，再挑一张拆好分镜的灵感卡，按镜头逐条生成。