FastH3
FastH3の「Omni（参照から動画）」をComfyUIで動かすには、25.6GBのVRAMが必要です。公式テンプレートの最も大きい工程（拡散）の値で、ファイルサイズは2026年11月3日に取得しました。余裕をもって読み込める最小のGPUはRTX 5090（32GB）で、テンプレートのダウンロードは41.3GBです。
- 開発
- FastVideo (Hao AI Lab)
- ライセンス
- MiniMax H3 Community License
- 公開
- 2026年10月
- サイズ取得日
- 2026年11月3日
このライセンスは、米国・EU・英国・韓国では適用されません。これらの地域にいる場合、このライセンスによる利用許諾は受けられません。
最大の工程は、ComfyUIのテンプレートが読み込むファイルの正確なサイズから計算しています（LoRAは含みません）。生成用の作業メモリは、これとは別に必要です。 ComfyUI 必要VRAMチェッカーで開く
最大の工程は、ComfyUIのテンプレートが読み込むファイルの正確なサイズから計算しています（LoRAは含みません）。生成用の作業メモリは、これとは別に必要です。 ComfyUI 必要VRAMチェッカーで開く
GPUごとに使えるファイル
メモリ容量ごとに、そのGPUでの最良のファイル（余裕をもって読み込める、最も精度の高い拡散モデルのファイル。ほかに収まるファイルがない場合に限り、ぎりぎり収まるファイル）と、サンプリング中に作業用メモリとして残る容量を示します。大きいGPUでは、上の答えが前提とするComfyUIのテンプレートのファイルより、精度の高いファイルになることがあります。「ストリーミング」は、最も小さいファイルでもGPUのメモリより大きいという意味で、その場合もComfyUIはシステムRAMから実行しますが、速度は落ちます。FP4のファイルは、ネイティブに扱えるBlackwell世代のGPUにだけ割り当てています。
Omni（参照から動画）
ComfyUIの「Omni（参照から動画）」のテンプレート：拡散モデルはINT8 ConvRot（プルーニング版）、テキストエンコーダはNVFP4 AWQ。工程ごとの容量は、テキストエンコーダが15.7GB、拡散が25.6GBです。ダウンロードは41.3GBです。
計算・2026年11月3日V2（テキスト・フレームから動画）
ComfyUIの「V2（テキスト・フレームから動画）」のテンプレート：拡散モデルはINT8 ConvRot（プルーニング版）、テキストエンコーダはNVFP4 AWQ。工程ごとの容量は、テキストエンコーダが15.7GB、拡散が25.5GBです。ダウンロードは41.2GBです。
計算・2026年11月3日ほかのGPUで確かめるときや、ファイルを手動で選ぶときは、ComfyUI 必要VRAMチェッカーを使ってください。LoRAやカスタムノードを加えた自分のワークフローなら、ComfyUIワークフローチェッカーにドロップして確かめられます。
どこで動かすか
Omni（参照から動画）
料金は税抜きのオンデマンド価格で、2026年10月19日に取得したものです。
V2（テキスト・フレームから動画）
料金は税抜きのオンデマンド価格で、2026年10月19日に取得したものです。
モデルについて
FastH3は、FastVideoのオープンな動画生成モデルで、映像と一緒に音声も生成します。カリフォルニア大学サンディエゴ校のHao AI LabによるFastVideoが、MiniMax H3を8ステップに蒸留したモデルで、テキストと最初・最後のフレームからの動画用のV2（2026年9月）と、最大9枚の画像、3本の動画、3本の音声クリップを参照として受け取るOmni（2026年10月）があります。どちらも映像と同期した音声を生成し、H3のテキストエンコーダとVAEを使います。
Omni（参照から動画）：33B · V2（テキスト・フレームから動画）：33B テキストエンコーダ：Qwen3-VL 32B MiniMax H3 Community License 2026年10月公開
ダウンロードする前に
ライセンスが適用される地域では、商用利用できます。年間2,000万米ドルを超える製品にはMiniMaxの書面による許可が必要で、商用のインターフェースには「MiniMax H3」と表示しなければなりません。米国・EU・英国・韓国では、ライセンスそのものが適用されません。仕事で使う前に、MiniMax H3 Community Licenseの原文（英語）を必ず確認してください。
得意なこと
- 8回のサンプリングステップ。ComfyUIのMiniMax H3のテンプレートは20ステップです。
- 1つのモデルでの参照：Omniは最大9枚の画像、3本の動画、3本の音声クリップを受け取ります。
- FastVideoによるOmniのNVFP4版。Blackwell世代のGPU向けで、BF16の約3分の1の大きさです。
- H3のほかのファイルは共通です。MiniMax H3を用意していれば、新たにダウンロードするのは蒸留したTransformerだけです。
注意点
- MiniMax H3のライセンスが適用され、米国、EU、英国、韓国は適用除外です。FastVideoのモデルカードには書かれていません。
- ComfyUIのガイドによると、FastH3は速さと引き換えに、動きと音声の忠実さがいくらか落ちます。
- ステップ数は8に固定で、V2とOmniでは動画のシフト値が違います（10と12）。V2の設定はOmniには使えません。
- Omniのテンプレートには、ComfyUI 0.43.0以降が必要です。ComfyUIのガイドはまだV2だけを扱っています。
- NVFP4版にはBlackwell世代のGPUが必要で、読み込むComfyUIのテンプレートはまだありません。
ComfyUIが読み込むFastH3の全ファイル
サイズは、Hugging Faceが報告する正確なバイト数で、2026年11月3日に取得しました。「テンプレート」と付いたファイルは、ComfyUI公式のワークフローがダウンロードするものです。
| 構成要素 | 精度 | サイズ | バージョン | ファイル |
|---|---|---|---|---|
| 拡散モデル | BF16（プルーニング版） | 44.24GB | Omni（参照から動画） | fasth3_omniref_8step_pruned_bf16.safetensors |
| 拡散モデル | INT8 ConvRot（プルーニング版） · テンプレート | 22.21GB | Omni（参照から動画） | fasth3_omniref_8step_pruned_int8_convrot.safetensors |
| 拡散モデル | NVFP4 | 13.77GB | Omni（参照から動画） | fasth3_omniref_qad_nvfp4_comfy.safetensors |
| 拡散モデル | BF16（プルーニング版） | 44.08GB | V2（テキスト・フレームから動画） | fastvideo_fasth3_8step_v2_pruned_bf16.safetensors |
| 拡散モデル | INT8 ConvRot（プルーニング版） · テンプレート | 22.13GB | V2（テキスト・フレームから動画） | fastvideo_fasth3_8step_v2_pruned_int8_convrot.safetensors |
| テキストエンコーダ | BF16 | 51.51GB | 共通 | qwen3vl_32b_minimax_h3_bf16.safetensors |
| テキストエンコーダ | INT8 ConvRot | 27.14GB | 共通 | qwen3vl_32b_minimax_h3_int8_convrot.safetensors |
| テキストエンコーダ | NVFP4 AWQ · テンプレート | 15.69GB | 共通 | qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors |
| VAE | INT8 ConvRot · テンプレート | 2.81GB | 共通 | minimax_h3_video_vae_int8_convrot.safetensors |
| 音声VAE | FP32 · テンプレート | 0.61GB | 共通 | minimax_h3_audio_vae_fp32.safetensors |
FastVideoが示す必要VRAM
- 「Budget about 69 GiB for the DiT and encoder when both stay resident, before the decoder and activations.」（訳：DiTとエンコーダの両方を常駐させる場合、デコーダとアクティベーションの前に約69GiBを見込む）。対象：ComfyUIではなく、FastVideo自身のランタイム。オフロードなし（出典）
- 「Layerwise offload is mandatory: the 47 GB FP8 DiT cannot be resident on 24 GB.」（訳：レイヤー単位のオフロードは必須。47GBのFP8のDiTは、24GBには常駐できない）。対象：RTX 4090上のFastVideo自身のランタイム、FP8の重み（出典）
メーカーの数値とこのページの数値は、測っているものが違います。メーカーの数値は、自社のスクリプトを既定の解像度と長さで動かしたときのもので、作業用メモリも含みます。このページは各工程が保持する重みを数えており、こちらは正確です。作業用メモリは、解像度・フレーム数とアテンションのカーネルによって変わり、モデルごとに公表しているところもないため、残りの容量として示しています。読み込めるファイルで生成中にメモリが足りなくなったら、精度を下げる前に解像度かフレーム数を下げてください。ComfyUIのREADMEには、重みのストリーミングによって「can run even the biggest open source models on as low as 4GB vram + 8GB ram」（訳：最大級のオープンソースモデルでも、VRAM 4GB＋RAM 8GBという少ない構成で動かせる）とあります（出典）。つまり「ストリーミング」は、遅くなるだけで、動かないという意味ではありません。
FastH3のLoRA学習
確認したトレーナー（kohyaのsd-scriptsとmusubi-tuner、ostrisのai-toolkit、diffusion-pipe、FastVideo自身のリポジトリ）には、FastH3の学習に必要なVRAMを公表しているものがまだありません。公表されたら、ここに載せます。
よくある質問
- FastH3にVRAMはどれくらい必要？
- ComfyUI公式の「Omni（参照から動画）」のワークフローでは、最も大きい工程は拡散で25.6GB、ワークフロー全体のダウンロードは41.3GBです。生成時の作業用メモリはこれとは別に必要で、解像度や長さに応じて増えます。FastVideo自身は「Budget about 69 GiB for the DiT and encoder when both stay resident, before the decoder and activations.」（訳：DiTとエンコーダの両方を常駐させる場合、デコーダとアクティベーションの前に約69GiBを見込む）としています（対象：ComfyUIではなく、FastVideo自身のランタイム。オフロードなし）。
- 8GBのVRAMでFastH3は動く？
- 全体は収まりません。ここで最も小さいINT8 ConvRot（プルーニング版）のファイル（22.2GB）でも、最も大きい工程で25.6GB必要で、8GBを超えます。それでもComfyUIは、システムRAMから重みをストリーミングして実行できます。動きはしますが、遅くなります。
- 12GBのVRAMでFastH3は動く？
- 全体は収まりません。ここで最も小さいINT8 ConvRot（プルーニング版）のファイル（22.2GB）でも、最も大きい工程で25.6GB必要で、12GBを超えます。それでもComfyUIは、システムRAMから重みをストリーミングして実行できます。動きはしますが、遅くなります。
- 16GBのVRAMでFastH3は動く？
- 全体は収まりません。ここで最も小さいINT8 ConvRot（プルーニング版）のファイル（22.2GB）でも、最も大きい工程で25.6GB必要で、16GBを超えます。それでもComfyUIは、システムRAMから重みをストリーミングして実行できます。動きはしますが、遅くなります。
- どのFastH3のファイルをダウンロードすればいい？
- お使いのGPUに全体が収まるなかで、最も精度の高いファイルです。24GBのGPUならどのファイルも全体は収まらず、INT8 ConvRot（プルーニング版）でもストリーミングになります。ComfyUIのテンプレートがダウンロードするのは、INT8 ConvRot（プルーニング版）の拡散モデルとNVFP4 AWQのテキストエンコーダです。FP4のファイル（NVFP4）はBlackwell世代のGPU（RTX 50、RTX PRO 6000、DGX Spark）向けです。それより前の世代では、FP8かINT8を使ってください。
- FastH3とMiniMax H3、どちらを選ぶ？
- FastH3は、MiniMax H3を8回のサンプリングステップに蒸留したもので、テキストエンコーダ、VAE、ライセンスは同じです。ゲート用のレイヤーが加わるため、Transformerのファイルはわずかに大きくなります。はるかに少ないステップで終わる一方、ComfyUIのガイドによると、その分だけ動きと音声の忠実さがいくらか落ちます。品質を最優先するならMiniMax H3、素早い試作ならFastH3です。
- ファイルとサイズ：Hugging FaceのFastVideo/FastH3-Omni-Comfyと、メーカー自身が公開しているComfyUI用のファイル。Hugging FaceのAPIから取得しています。テンプレートのファイル：ComfyUIのFastH3ガイド（英語）。
- モデルとライセンス：FastVideo/FastVideo-FastH3-Omni-8-Step-V1とMiniMax H3 Community License。
- GPUのメモリ：各メーカーの仕様で、各GPUページと同じ値です。チェッカーの対象はNVIDIAのGPUです。ComfyUIはAMDやAppleシリコンでも動きますが、ファイル形式や速度が異なるため、ここでは容量を算出していません。
- 収まりの判定：使えるメモリの85%未満なら全体が収まる、95%まではぎりぎり収まるとしています。LLMのページと同じ基準です。
- 料金：各事業者の料金ページで、それぞれ横に記した日付に取得したものです。