VDN-H3 · OpenVDN · offene Gewichte

VDN MiniMax H3 unzensiert: KI-Video, das schneller fertig ist, als es läuft

Minutenlang auf ein paar Sekunden KI-Video zu warten, verdirbt den ganzen Spaß. VDN MiniMax H3 dreht das um: Auf einem leistungsstarken Server ist ein 14 Sekunden langer Clip mit passendem Ton in etwa neun Sekunden fertig – das Video ist also bereit, bevor du es überhaupt anschauen könntest. Es ist eine schnellere Fassung des offenen Videomodells MiniMax H3, entwickelt vom Forschungsteam OpenVDN, und behält denselben Look und dieselbe Stimme. Noch besser: Mit der Desktop-App FreeVideo läuft es auch auf ganz normalen Gaming-PCs. Unten erfährst du, was das Tempo für dich bedeutet, was Leute damit erstellen, wie du es zu Hause ausprobierst und welche Prompts du sofort einfügen kannst.

  • Schneller als die Wiedergabe
  • Video mit Ton
  • Läuft auf Heim-PCs
  • Offene Gewichte
Jetzt ein Foto in ein Video verwandeln

Ein fertiger Clip, bevor du ihn zu Ende schauen könntest

Das Versprechen in einem Satz: Das Video entsteht schneller, als es abgespielt wird. Auf einem Server mit acht Spitzen-Grafikkarten macht der Schnellmodus von VDN-H3 aus einem Prompt in etwa neun Sekunden einen 14,4 Sekunden langen Breitbild-Clip, Ton inklusive. Laut dem zugehörigen Forschungspaper ist das rund 14,5-mal schneller als das ursprüngliche H3 auf denselben Maschinen.

Du brauchst keinen Serverraum, um den Unterschied zu spüren. Auf einer einzelnen High-End-Karte braucht das Originalmodell knapp 14 Minuten für einen Clip. Der neue Modus mit voller Qualität drückt das auf etwa fünf Minuten, der Schnellmodus auf unter eine Minute. Das ist der Unterschied zwischen einem Testshot pro Kaffeepause und einer ganzen Szene, die du in derselben Zeit skizzierst.

VersionWo sie läuftZeit für einen 14-Sekunden-Clip
Original-H3Eine High-End-ServerkarteEtwa 14 Minuten
VDN, volle QualitätDieselbe KarteEtwa 5 Minuten
VDN, SchnellmodusDieselbe KarteUnter 1 Minute
VDN, Schnellmodus (8 Karten)Acht ServerkartenEtwa 9 Sekunden

Die Zeiten stammen aus eigenen Tests der Entwickler auf NVIDIA-B200-Karten, veröffentlicht auf GitHub, im Projektblog und im Paper.

Was das Tempo für dich verändert

Tempo klingt nach einer Zahl für Ingenieure, aber es verändert, wie sich kreatives Arbeiten anfühlt. Wenn ein Entwurf in Sekunden da ist, hörst du auf zu raten, was ein Prompt wohl bewirkt, und schaust einfach nach. Das bringt dieses Modell allen, die im Alltag kreativ sind.

Zehn Ideen statt einer

Probiere verschiedene Outfits, Stimmungen, Kamerafahrten und Dialogzeilen in der Zeit aus, die früher ein einziger Clip gebraucht hat, und behalte die Aufnahme, die dir am besten gefällt.

Der Ton kommt gleich mit

Stimmen, Schritte, Regen und Raumklang entstehen zusammen mit dem Bild in Stereo – ein separates Nachvertonen entfällt.

Der H3-Look bleibt

Die Entwickler beschreiben die Ergebnisse als nahezu identisch mit dem regulären H3: dasselbe filmische Bild, dieselbe Lippensynchronität, dieselbe Treue zu deinem Prompt.

Dein eigener PC genügt

Dank der App FreeVideo kann sich schon ein Gaming-Rechner mit einer 8GB-Grafikkarte daran versuchen. Studio-Hardware brauchst du nicht.

Geschichten, die länger als ein paar Sekunden dauern

Das Modell merkt sich, was früher im Clip passiert ist – so werden Videos von einer Minute oder mehr zu einem realistischen Ziel.

Offen für alle

Gewichte und Code sind öffentlich, deshalb baut die Community laufend neue Apps, ComfyUI-Nodes und Demos drumherum.

Was Creator mit Video nahezu in Echtzeit erstellen

Schnelles Video mit Ton passt zu allen, die viele Clips brauchen statt der einen perfekten Aufnahme. In diesen Szenarien spielt es seine Stärken aus – vom Kundenauftrag bis zum reinen Spaß.

Kurzserien, Einstellung für Einstellung

Lege eine Figur mit einem Start- und einem Endbild fest, verkette mehrere Einstellungen, sieh dir jede in wenigen Augenblicken als Vorschau an und poliere die besten im Modus mit voller Qualität.

Vertikale Anzeigen und Produktclips

Teste viele Hooks, Sprechertexte und Produktperspektiven nebeneinander und poste die Version, die sich für deinen Feed am stärksten anfühlt.

Sprechende Porträts und lebendige Kunst

Starte mit einem einzigen Standbild, füge eine Dialogzeile und etwas Hintergrundklang hinzu und sieh zu, wie ein Porträt, eine Illustration oder ein KI-Foto spricht und sich bewegt.

Gruppenszenen aus einzelnen Fotos

Die offizielle Demo setzt zwei Personen, einen Samojeden und ein Café aus verschiedenen Referenzbildern in eine einzige bewegte Szene mit Café-Stimmengewirr.

Storyboards für größere Projekte

Filmschaffende und Game-Autoren können eine Szene an einem Nachmittag durchplanen und dem Team einen bewegten Entwurf zeigen statt einer Seite voller Notizen.

Loops für virtuelle Hosts und Streams

Das Paper handelt buchstäblich von Livestream-Video. Nahtlos aufeinanderfolgende Clips passen zu virtuellen Moderatoren und zu Geschichten, in denen man den Weg selbst wählt – das steckt aber noch in den Anfängen, also teste es am besten selbst.

Romantik- und Glamour-Szenen

Strandspaziergänge in Bademode, Dates bei Kerzenschein, langsame Tänze: Mit eigenen erwachsenen Figuren (18+) findest du dank schneller Entwürfe leicht die richtige Stimmung.

Memes und Grüße

Mach aus einem Selfie oder einem Haustierfoto einen kurzen Clip mit gesprochener Pointe oder einem Geburtstagsgruß – fertig zum Teilen im Chat.

Genau hinsehen, den Rest merken: warum es so schnell ist

VDN MiniMax H3 wurde am 6. September 2026 von OpenVDN veröffentlicht, einer Gruppe mit Forschenden von der UC Berkeley, der UT Austin und Impossible, Inc. Ihr Paper mit dem Namen Video DeltaNet geht von einer einfachen Erkenntnis aus: Das Originalmodell verbringt mehr als 85 % seiner Zeit damit, jedes Bild mit jedem anderen zu vergleichen. Das ist, als würde eine Filmeditorin vor jedem Schnitt den ganzen Film noch einmal ansehen.

Das neue Design arbeitet so, wie es gute Editoren wirklich tun. Es schaut nur bei den Bildern direkt nebeneinander genau hin und führt über alles andere kurze, laufende Notizen, sodass die Geschichte von Anfang bis Ende stimmig bleibt. Das erste und das letzte Bild dienen als Anker, damit Einstieg und Schluss zusammenpassen. Worte und Ton werden weiterhin mit voller Sorgfalt behandelt – deshalb werden Prompts befolgt und die Lippen passen zur Stimme. Ein Schnellmodus verkürzt das Zeichnen außerdem von 50 Durchgängen auf 8.

Reihe von Videobildern, verbunden durch kurze lokale Strahlen und ein langes, leuchtendes Gedächtnisband – zeigt, wie hybride Attention das Modell beschleunigt

Schnelle Entwürfe oder Endfassung: die passende Version wählen

Es gibt zwei Versionen zur Auswahl. Die schnelle zeichnet einen Clip in 8 Durchgängen und ist das, was das Team für den Alltag empfiehlt. Die Version mit voller Qualität bleibt bei den klassischen 50 Durchgängen – für finale Renderings, bei denen jedes Detail zählt. Eine kluge Gewohnheit: Ideen im Schnellmodus ausprobieren und den Favoriten dann in voller Qualität neu erstellen.

Wie schlägt sich VDN-H3 gegenüber anderen Wegen, H3 zu beschleunigen? Laut den Entwicklern ist das Bild fast dasselbe wie beim Original, und es übertrifft MiniMax FastH3 sowohl bei der Qualität als auch beim Befolgen von Anweisungen. Die Turbo-LoRA aus der Community verringert nur die Zahl der Durchgänge, während dieses Modell zusätzlich ändert, wie Bilder verglichen werden. Das sind Eindrücke des Teams aus direkten Gegenüberstellungen; Testwerte wurden nicht veröffentlicht – vertrau also deinen eigenen Augen.

VDN SchnellmodusVDN volle QualitätH3 Turbo LoRAMiniMax FastH3
Ideal fürEntwürfe und AlltagFinale RenderingsDas normale H3 beschleunigenDie schnelle Option von MiniMax selbst
So spart es ZeitKlügerer Bildvergleich + 8 DurchgängeKlügerer BildvergleichNur weniger DurchgängeEigene schnelle Variante
TonJa, StereoJa, StereoJaJa
Zusätzlicher Download≈ 5,1GB zusätzlich zu H3≈ 4,3GB zusätzlich zu H3Eine LoRA-DateiSeparate Gewichte

Einminütige Videos und endlose Story-Ketten

Ein einzelner Durchlauf liefert dir etwa 14 Sekunden. Weil das Modell Notizen führt, statt jedes Bild erneut zu prüfen, lässt mehr Länge die Wartezeit nicht mehr explodieren. FreeVideo Version 0.4.0, veröffentlicht am 13. Oktober 2026, soll Videos von über einer Minute erzeugen können.

Ein einfaches Rezept funktioniert in jedem Tool: Schreibe deine Geschichte in Kapiteln von etwa 14 Sekunden und wiederhole am Anfang jedes Kapitels das Aussehen der Figur und den Schauplatz, damit dein Held nicht mittendrin den Mantel wechselt. Du kannst auch das letzte Bild eines Clips als erstes Bild des nächsten verwenden. Die Szenen gehen dann fließend ineinander über und lassen sich wie eine echte Episode zusammenschneiden.

Zu Hause auf einer 8GB-Gaming-GPU mit FreeVideo ausführen

Der offizielle Code erwartet eine 24GB-Karte wie eine RTX 4090. FreeVideo, eine Open-Source-Desktop-App, veröffentlicht am 2. Oktober 2026, senkt die Hürde deutlich: Sie nennt 8GB Grafikspeicher plus 16GB Arbeitsspeicher als Minimum und wählt von selbst die passenden sparsamen Einstellungen für deine Karte. Damit rückt das Modell in Reichweite einer RTX 3060.

Ein ehrliches Wort dazu: Niemand hat veröffentlicht, wie lange ein Clip auf einer kleinen Karte dauert – rechne also damit, dass es deutlich langsamer geht als bei den Serverzeiten oben. FreeVideo läuft unter Windows und Linux, hat eine macOS-Vorschau und ist auch als ComfyUI-Plugin erhältlich.

  1. 1Lade FreeVideo für dein System von der GitHub-Seite herunter oder installiere das ComfyUI-Plugin.
  2. 2Lass die App die Modelldateien herunterladen und halte etwa 82GB Speicherplatz bereit.
  3. 3Füge die Hilfsdateien hinzu, nach denen sie fragt: den Text-Encoder, den Upscaler und die Turbo-LoRA.
  4. 4Wähle den Schnellmodus, füge einen Prompt ein und erstelle zuerst einen kurzen Testclip, bevor du dich an lange wagst.
  5. 5Lege Community-LoRAs in den LoRA-Ordner der App, wenn du einen besonderen Stil möchtest.
Deine HardwareEinfachster WegWas dich erwartet
8–12GB-Karte (z. B. RTX 3060)FreeVideo-AppErfüllt das genannte Minimum; Tempo nicht veröffentlicht
24GB-Karte (z. B. RTX 4090)FreeVideo oder der offizielle CodePasst, bei etwa 20–22GB Speicherbedarf
Eine ServerkarteOffizieller CodeUnter einer Minute pro Clip im Schnellmodus
Acht ServerkartenSGLang-ServerEtwa 9 Sekunden pro Clip
Schreibtisch eines Creators zu Hause mit einem Gaming-PC, der lokal ein Video einer Café-Szene auf dem Monitor rendert

Start- und Endbild plus ein ComfyUI-Workflow

Neben reinem Text nimmt VDN-H3 auch Bilder als Vorgabe an: ein erstes Bild, ein letztes Bild, beide zusammen (bekannt als FL2VA) und seit dem 17. September 2026 mehrere Referenzfotos in einer Szene. Der Modus mit erstem und letztem Bild ist der Liebling aller, die Geschichten erzählen. Du legst fest, wo eine Einstellung beginnt und wo sie ankommt, und das Modell ergänzt Bewegung und Ton dazwischen.

ComfyUI-Nutzer haben zwei Möglichkeiten aus der Community: die fertigen Dateien t8star/Vdn-Minimax-H3-Comfy und das FreeVideo-Plugin, oft kombiniert mit einem Upscaler für ein schärferes Bild. Lade dein Start- und dein Endbild, beschreibe, was dazwischen passiert, und verwende für Kleidung und Licht dieselben Worte wie in beiden Bildern. Dann wirkt der Übergang natürlich.

Wo du es herunterlädst und wie Teams es bereitstellen

Das Modell liegt auf Hugging Face unter OpenVDN/vdn-minimax-h3, der Code auf GitHub. Du brauchst die Basisdateien von MiniMax H3, etwa 72GB, plus eine kleine VDN-Ergänzung: 5,1GB für die schnelle Version oder 4,3GB für die mit voller Qualität. Beim ersten Start richtet sich die Software ein paar Minuten lang ein; danach geht es zügig.

Studios, die das Neun-Sekunden-Ergebnis wollen, betreiben es auf acht GPUs mit SGLang, einem Bereitstellungstool, das das Projekt von Haus aus unterstützt. Dieses Setup verarbeitet derzeit Text-zu-Video sowie Aufträge mit erstem und letztem Bild. Das Team empfiehlt außerdem, grobe Ideen vor dem Generieren von einem Prompt-Helfer wie H3-Context-IR verfeinern zu lassen.

Prompt-Vorlagen zum sofortigen Einfügen

Dieses Modell mag Prompts, die sich wie Regieanweisungen lesen: wer im Bild ist, was der Reihe nach passiert, wohin die Kamera geht und was man hört. Die Vorlagen unten folgen diesem Muster und verwenden eigene erwachsene Figuren.

  • Beschreibe Handlungen der Reihe nach mit first, then und finally; das Modell folgt Abläufen sehr gut.
  • Setze den Ton ans Ende mit audio: und dialogue:, damit Stimmen und Hintergrund zur Szene passen.
  • Schreibe für lange Videos Kapitel von 14 Sekunden und wiederhole in jedem das Aussehen der Figur und den Schauplatz.
  • Erstelle Entwürfe im Schnellmodus und mach deine Favoriten anschließend in voller Qualität neu.

Allzweck-Video mit Ton

[shot type], [subject and look], [action: first…, then…, finally…], [setting and light], [camera move], audio: [ambience], dialogue: "[line]"

Kurzserie

Medium close-up, a young woman in a red trench coat stands under a neon-lit awning in the rain, she turns toward the camera and whispers, slow push-in, cinematic teal-orange grade, audio: rain on metal, distant traffic, dialogue: "You came back."

Erstes und letztes Bild

From the first frame to the last frame, the character walks from the doorway to the window, camera tracks left smoothly, consistent outfit and lighting, soft room tone.

Gruppenszene aus mehreren Fotos

[character A] and [character B] sit at the cafe table from reference 4, the Samoyed from reference 3 rests at their feet, they laugh and clink coffee cups, handheld warm look, cafe chatter.

Glamour am Pool (18+)

Wide shot, an adult woman in a navy swimsuit walks along a sunlit pool, she turns toward the camera and smiles, slow dolly-in, golden hour light, audio: water splashing, soft summer music.

Was die Community sagt

Das Interesse wuchs schnell. Als diese Seite recherchiert wurde, hatte das Modell auf Hugging Face rund 360 Likes, etwa 3.300 Downloads in einem Monat und 22 darauf aufbauende Community-Demos, darunter der beliebte Space minimax-h3-ultra-fast. Die GitHub-Seite hatte etwa 670 Sterne, und FreeVideo hatte die Marke von 2.800 überschritten.

Die Stimmung rund um VDN-H3 ist Begeisterung: Entwürfe in unter einer Minute auf einer einzigen Karte und echte Hoffnung auf lange Videos von zu Hause. Die übliche Beschwerde betrifft die Einrichtung – mit großen Downloads, mehreren Hilfsdateien und Fehlern früher Versionen, wie die lange Liste offener Issues bei FreeVideo zeigt. Berichte zur Bildqualität sind positiv, aber es sind persönliche Eindrücke und keine gemessenen Werte.

VDN MiniMax H3 unzensiert: was offene Gewichte wirklich bieten

Viele fragen, ob die schnelle Version einen Filter mitbringt. Es gibt keine spezielle unzensierte oder NSFW-Edition, und die Entwickler beschreiben keinen eingebauten Inhaltsfilter. Die Gewichte sind offen und laufen auf deinem eigenen Rechner, also sitzt keine Online-Moderation dazwischen – auch wenn niemand genau weiß, was das Modell im Training gelernt hat. FreeVideo kann Community-LoRAs laden, aber weil sich der innere Aufbau geändert hat, ist ungetestet, ob bestehende Erwachsenen-LoRAs für H3 noch funktionieren. Wenn du dir die Einrichtung lieber sparst, läuft ein unzensierter Videogenerator direkt im Browser – für eigene erwachsene Figuren (18+).

Kein großer Download, keine Grafikkarte: Animiere online ein Standbild deiner eigenen erwachsenen Figur.

Bild zu Video öffnen

Unzensierter alternativer Videogenerator

Lade ein Standbild hoch, beschreibe Bewegung, Kamera und Ton, die du dir wünschst, und erhalte einen kurzen Clip im Browser. Nur eigene erwachsene Figuren (18+).

Jetzt generieren

VDN MiniMax H3 selbst hosten vs. online auf Spicy AI generieren

Wenn du es selbst betreibst, hast du volle Kontrolle und das rohe Tempo des Schnellmodus; der Online-Weg tauscht das gegen null Einrichtung.

Lokale Bereitstellung (offizielle Gewichte)Spicy AI online
InhaltsfilterDu konfigurierst dein eigenes SetupLockere Filter für Erwachseneninhalte (18+)
Offene GewichteJa, insgesamt etwa 82GBNicht nötig, läuft im Browser
Verwendetes ModellVDN-Schnellversion oder Version mit voller QualitätEin ähnliches gehostetes Videomodell
EinstiegDownload, Installation und eine leistungsfähige GrafikkarteSeite öffnen und ein Bild hochladen

FAQ

Was ist VDN MiniMax H3?

Es ist die schnellere Version des offenen Videomodells MiniMax H3 von OpenVDN. Es erzeugt Breitbild-Video in 768p mit Ton aus Text oder Bildern – mit einem klügeren Bildvergleich namens Video DeltaNet und einem Schnellmodus mit 8 Durchgängen.

Wie schnell ist es wirklich?

Die Entwickler berichten von etwa 9 Sekunden für einen 14,4-Sekunden-Clip auf acht Serverkarten und von unter einer Minute auf einer. Laut ihrem Paper ist es 14,5-mal schneller als das ursprüngliche H3 mit 50 Durchgängen.

Wird das Bild schlechter?

Das Team nennt es nahezu verlustfrei und besser als MiniMax FastH3, gestützt auf direkte Gegenüberstellungen. Testwerte wurden bisher nicht veröffentlicht.

Schafft meine Grafikkarte das?

Der offizielle Code verlangt eine 24GB-Karte und nutzt etwa 20 bis 22GB. FreeVideo nennt 8GB Grafikspeicher und 16GB Arbeitsspeicher als Minimum, ohne veröffentlichte Zeiten für kleine Karten.

Kann es ein Foto animieren oder erstes und letztes Bild nutzen?

Ja. Es arbeitet mit Text, einem ersten Bild, einem letzten Bild, beiden zusammen (FL2VA) oder mehreren Referenzfotos. Das SGLang-Setup mit acht GPUs unterstützt nur Text sowie erstes und letztes Bild.

Wie groß ist der Download?

Insgesamt etwa 82GB: rund 72GB für das H3-Basismodell plus die VDN-Ergänzung und Hilfsdateien.

Gibt es eine unzensierte Version?

Eine eigene unzensierte Variante gibt es nicht. Wenn du die offenen Gewichte zu Hause ausführst, gibt es keinen Online-Filter, und du musst selbst testen, ob Community-LoRAs für H3 noch funktionieren.

Quellen

Alle unzensierten KI-Modelle ansehen →

Die hier genannten Produkt- und Projektnamen gehören ihren jeweiligen Inhabern. Alle Figuren müssen erwachsen sein (18+); erstelle keine Inhalte realer Personen ohne deren Einwilligung.

Sign in

Welcome to Spicy AI

or