英伟达与MIT团队发布基于MiniMax H3的开源视频增强方案，最高支持4K重生成

核心事实

据量子位报道，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 发布了视频增强项目 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，将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。

训练阶段，团队保持 H3 Transformer 主干与视频 VAE 参数不变，仅训练新增的细化 LoRA；推理时与 LightX2V FL2VA Turbo、LMS Sharp 等社区适配器合并，通过三步去噪重生成画面细节。

背景与影响

MiniMax H3 的完整系统包含多模态上下文处理、基础音视频生成和高分辨率重生成等环节。已开放权重的 H3-Base 负责生成 768P 音视频，官方 H3-Regenerate-2K 模块通过 API 提供服务；此次发布为高分辨率重生成环节提供了可自行部署的开放实现。项目还采用社区潜空间放大器，并结合 SoL-Engine 的稀疏注意力、低精度计算和快速 VAE 解码器加速。

团队公布的测试显示，在单张 NVIDIA B200 GPU、预热条件下，约 5 秒视频的潜空间放大、三步细化和 2K 解码合计耗时由 87.26 秒降至 22.45 秒；快速解码器将解码耗时从约 15 秒降至约 1.6 秒。在 RefinerBench-150 的 2K 输出对比中，该方案 UniPercept 平均分为 60.0，官方 API 为 53.4；VBench 上美学质量、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略优。MiniMax H3 于今年 8 月开放权重，据报一个月内下载量超过 2400 万次。

限制与来源

上述耗时与画质数据均来自项目团队自述测试，测试条件特定，不代表普遍环境下的表现；模型权重、许可证、地区可用性与部署要求请以 Hugging Face 及官方仓库当前信息为准。本文来源为量子位，原文注明由 MiniMax 提供并获授权转载。