---
title: MiniMax-H3-VAE-FP8
canonical_url: "https://www.modelscope.cn/models/JunyiDu/MiniMax-H3-VAE-FP8"
md_url: "https://www.modelscope.cn/models/JunyiDu/MiniMax-H3-VAE-FP8.md"
repository: JunyiDu/MiniMax-H3-VAE-FP8
chinese_name: MiniMax-H3-VAE-FP8
last_updated: 2026-08-06
pipeline_tag: text-to-video-synthesis
tasks:
  - text-to-video-synthesis
parameters: 2.8B
tensor_type:
  - F32
  - F8_E4M3
  - F16
library_name:
  - pytorch
  - safetensors
downloads: 563
stars: 2
---

# MiniMax-H3-VAE-FP8

> MiniMax-H3-VAE-FP8 - JunyiDu 在 ModelScope 开源的模型。几乎无损失

- **Repository**: JunyiDu/MiniMax-H3-VAE-FP8
- **Tasks**: text-to-video-synthesis
- **Parameters**: 2.8B
- **Downloads**: 563
- **Stars**: 2
- **Last updated**: 2026-08-06

Source: https://www.modelscope.cn/models/JunyiDu/MiniMax-H3-VAE-FP8

---

# MiniMax H3 VAE FP8 量化版

[![ModelScope](https://img.shields.io/badge/ModelScope-魔搭社区-blue)](https://www.modelscope.cn)

---

## 模型介绍

本仓库提供 **MiniMax H3** 视频生成模型的 VAE（变分自编码器）组件的 **FP8 量化版本**，作为 [Comfy-Org/MiniMax-H3](https://www.modelscope.cn/models/Comfy-Org/MiniMax-H3) 官方 VAE 的轻量化替代方案。

MiniMax H3 是 MiniMax 于 2026 年发布的多模态视频生成模型，支持文生视频（T2V）、图生视频（I2V/FL2VA）、参考生视频（R2V）等多种生成模式。其 VAE 组件负责视频帧与音频的编解码，是推理流程中的关键一环。

原版 VAE 以 FP32（音频）和 FP16（视频）精度发布，参数量大、显存占用高。本仓库将其量化为 **FP8 E4M3** 格式，在**视觉/听觉质量基本无损**的前提下，**大幅降低存储和显存开销**。

---

## 模型文件

| 文件名 | 原始精度 | 原始大小 | FP8 大小 | 压缩率 |
|--------|---------|---------|---------|--------|
| `minimax_h3_audio_vae_fp8.safetensors` | FP32 | 577 MB | 144 MB | **75% ↓** |
| `minimax_h3_video_vae_fp8.safetensors` | FP16 | 4,967 MB | 2,483 MB | **50% ↓** |

> 📁 文件放置路径（ComfyUI）：
> ```
> ComfyUI/models/vae/minimax_h3_audio_vae_fp8.safetensors
> ComfyUI/models/vae/minimax_h3_video_vae_fp8.safetensors
> ```

---

## 量化技术细节

| 项目 | 说明 |
|------|------|
| **目标格式** | `torch.float8_e4m3fn`（E4M3，finite-NaN 变体） |
| **数值范围** | [-448, 448] |
| **转换策略** | 全部 float 张量直接转换，< 256 元素的小张量（bias/norm/alpha）保留原精度 |
| **Audio VAE** | 338 个张量转换，579 个微小张量保留原精度 |
| **Video VAE** | 541 个张量转换，21 个微小张量保留原精度 |
| **精度溢出** | ✅ 无 — 所有张量最大值仅 3.59，远低于 448 截断阈值 |

---

## 使用方法

### ComfyUI

本模型为 **即插即用** 的替换方案，无需修改工作流。将文件放入 ComfyUI 的 `models/vae/` 目录后，在 VAE 加载器中选择对应的 FP8 文件即可。

支持的工作流类型：
- **T2V**（文生视频）
- **I2V / FL2VA**（图生视频 / 首尾帧视频）
- **R2V**（参考生视频）

### Python 直接加载

```python
from safetensors.torch import load_file
import torch

# 加载 FP8 权重（需要 PyTorch >= 2.1）
audio_vae = load_file("minimax_h3_audio_vae_fp8.safetensors")
video_vae = load_file("minimax_h3_video_vae_fp8.safetensors")

# 使用前需要转换为运行时精度
for k, v in audio_vae.items():
    if v.dtype == torch.float8_e4m3fn:
        audio_vae[k] = v.to(torch.float32)  # 或 bfloat16
```

> ⚠️ 注意：FP8 当前主要用于存储和传输，运行时需根据硬件转换为 FP16/BF16 进行推理。多数主流框架（ComfyUI、diffusers）已内置自动转换逻辑。

---

## 适用场景

- ✅ 消费级显卡（RTX 3060/4060/5060 等 8-12GB VRAM）推理
- ✅ 本地 ComfyUI 部署，节省磁盘和显存
- ✅ 批量生成/自动化流水线，减少 I/O 开销
- ⚠️ 对精度极端敏感的生产环境，建议先对比测试

---

## 许可证

本量化模型遵循原始模型 [MiniMax H3 Community License Agreement](https://www.modelscope.cn/models/Comfy-Org/MiniMax-H3) 的许可条款。使用前请务必阅读并遵守原始许可协议。

---

## 致谢

- 原始模型：[Comfy-Org/MiniMax-H3](https://www.modelscope.cn/models/Comfy-Org/MiniMax-H3) on ModelScope
- 量化工具：PyTorch + safetensors

---

## 引用

```bibtex
@misc{minimax_h3_vae_fp8,
  title     = {MiniMax H3 VAE — FP8 Quantized},
  author    = {Community Contribution},
  year      = {2026},
  url       = {https://www.modelscope.cn/models/{your_namespace}/MiniMax-H3-VAE-FP8}
}

@misc{minimax2026h3,
  title     = {MiniMax H3},
  author    = {MiniMax},
  year      = {2026},
  url       = {https://www.modelscope.cn/models/Comfy-Org/MiniMax-H3}
}
```
