---
title: text-to-video
canonical_url: "https://www.modelscope.cn/studios/lispking/text-to-video"
md_url: "https://www.modelscope.cn/studios/lispking/text-to-video.md"
repository: lispking/text-to-video
chinese_name: "MiniMax-H3 文生视频测试台"
last_updated: 2026-08-09
sdk_type: gradio
sdk_version: 6.17.3
downloads: 0
stars: 1
---

# text-to-video

> text-to-video - lispking 在 ModelScope 创建的在线 Demo。用于测试MiniMax-H3 文生视频大模型

lispking/text-to-video 是 ModelScope 魔搭社区上的在线可交互 Demo（创空间），基于 gradio 6.17.3 构建，中文名为「MiniMax-H3 文生视频测试台」。

- **Repository**: lispking/text-to-video
- **SDK**: gradio
- **SDK version**: 6.17.3
- **Downloads**: 0
- **Stars**: 1
- **Last updated**: 2026-08-09

Source: https://www.modelscope.cn/studios/lispking/text-to-video

---

# 🎬 MiniMax-H3 文生视频测试台（ModelScope 创空间）

在 [ModelScope 创空间](https://modelscope.cn) 中直接测试 MiniMax 最新开源的
**MiniMax-H3** 全模态生成大模型，无需本地部署、即开即用。

MiniMax-H3 是通用全模态生成系统，支持理解文本 / 图片 / 视频 / 音频混合输入，
并生成**自带原生立体声**的视频，最高 **2K 分辨率 / 15 秒**时长。

## ✨ 功能

| 功能 | 说明 |
| --- | --- |
| 文生视频（t2va） | 纯文本 → 视频 + 原生音频 |
| 首尾帧生视频（fl2va） | 可选首帧 / 尾帧图片 + 文本 → 视频 |
| 多模态参考生视频（r2va） | 文本 + 参考图（≤9）/ 参考视频（≤3）/ 参考音频（≤3）→ 视频 |
| 在线 API 模式 | 调用 MiniMax 开放平台，**无需 GPU**，CPU 创空间即可运行 |
| 本地推理模式 | 基于 DiffSynth-Studio 在本地 GPU（如免费 xGPU）上运行，支持 NF4 量化（≥7GB 显存） |
| 免Key本地推理 | 全量 BF16 模型直接本地生成，**完全无需 API Key**（需约 48GB 显存 GPU） |
| 生成设置 | 分辨率 768P / 2K、时长 1-15s、多种画幅、AIGC 水印开关 |

## 🚀 快速开始

### 1. 在创空间体验（推荐）

1. 将本仓库发布为 ModelScope 创空间（接入 SDK 选择 **Gradio**，启动文件 `app.py`）；
2. 打开创空间体验页，切换到「🚀 在线 API 测试」标签页；
3. 在 [MiniMax 开放平台](https://platform.minimaxi.com/user-center/basic-information/interface-key)
   创建 API Key 并粘贴到输入框（或配置环境变量 `MINIMAX_API_KEY`）；
4. 填写提示词 → 点击「生成视频」→ 等待任务完成，页面自动展示结果。

### 2. 本地运行

```bash
pip install -r requirements.txt
python app.py
```

打开 `http://127.0.0.1:7860` 即可。

### 3. 本地推理模式（需 GPU）

「🧠 本地推理」标签页使用 [DiffSynth-Studio](https://github.com/modelscope/DiffSynth-Studio)
在本地 GPU 上运行模型：

- 默认加载 **NF4 量化版** `DiffSynth-Studio/MiniMax-H3-NF4`（最低约 7GB 显存）；
- 可切换为全量 BF16 版 `MiniMax/MiniMax-H3`（显存大时使用，通过磁盘 offload 控制占用）；
- 首次使用会自动安装 `diffsynth` 并下载权重（数 GB），之后走缓存；
- ModelScope 创空间可在「设置 → 空间云资源」开启**免费 xGPU**（Ada 48GB / Tesla 16GB）。

### 4. 免Key本地推理

「🆓 免Key本地推理」标签页在本地 GPU 上直接运行全量 MiniMax-H3，**完全不需要 API Key**：

- 直接加载全量 BF16 权重 `MiniMax/MiniMax-H3`，需要大显存 GPU（约 48GB）；
- 首次生成自动安装 `diffsynth==2.1.0`、`av`、`torchaudio`、`torchcodec`、`librosa`；
- 模型默认下载到 `/mnt/workspace`（ModelScope 挂载盘），可用环境变量
  `DIFFSYNTH_MODEL_BASE_PATH` 覆盖；
- 支持 `Seed = -1` 随机种子，生成过程通过 `progress_bar_cmd` 展示逐步进度；
- 模型首次加载后全局缓存复用，后续生成无需重新加载。

## 📚 相关资源

- 模型卡：https://modelscope.cn/models/MiniMax/MiniMax-H3
- NF4 量化版：https://modelscope.cn/models/DiffSynth-Studio/MiniMax-H3-NF4
- 开源代码：https://github.com/MiniMax-AI/MiniMax-H3
- 推理框架：https://github.com/modelscope/DiffSynth-Studio

## 📝 提示词技巧

- 描述越具体越好：主体、动作、镜头运动、光线、氛围、声音；
- 复杂多模态输入可先通过官方 **H3-Context-IR** 接口整理提示词再生成；
- 参考视频每段 2-15s、合计 ≤15s；请求体（base64 后）≤64MB，大素材请用公网 URL。

## 📄 文件结构

```
├── app.py            # Gradio 界面（在线 API + 双本地推理模式）
├── minimax_api.py    # MiniMax Video Generation V2 API 客户端
├── requirements.txt  # 依赖
└── README.md         # 本文档
```

#### Clone with HTTP
```bash
git clone https://www.modelscope.cn/studios/lispking/text-to-video.git
```