VDN-H3 · OpenVDN · pesos abiertos

VDN MiniMax H3 sin censura: video con IA que se genera antes de terminar de reproducirse

Esperar minutos por unos pocos segundos de video con IA le quita toda la gracia. VDN MiniMax H3 le da la vuelta: en un servidor potente, un clip de 14 segundos con sonido sincronizado queda listo en unos nueve segundos, así que el video está terminado antes de que pudieras siquiera verlo. Es una versión más rápida del modelo de video abierto MiniMax H3, creada por el equipo de investigación OpenVDN, y conserva el mismo aspecto y la misma voz. Y aún mejor: una app de escritorio llamada FreeVideo permite usarlo en PC gaming normales. Más abajo verás qué significa esa velocidad para ti, qué crea la gente con él, cómo probarlo en casa y prompts que puedes pegar ahora mismo.

  • Más rápido que la reproducción
  • Video con sonido
  • Funciona en PC de casa
  • Pesos abiertos
Convierte una foto en video ahora

Un clip terminado antes de que acabes de verlo

La promesa cabe en una línea: el video tarda menos en hacerse que en reproducirse. En un servidor con ocho tarjetas gráficas de gama alta, el modo rápido de VDN-H3 convierte un prompt en un clip panorámico de 14,4 segundos, con sonido incluido, en unos nueve segundos. El artículo de investigación que lo respalda dice que eso es unas 14,5 veces más rápido que el H3 original en las mismas máquinas.

No necesitas una sala de servidores para notar la diferencia. En una sola tarjeta de gama alta, el modelo original necesita casi 14 minutos por clip. El nuevo modo de máxima calidad lo baja a unos cinco minutos, y el modo rápido a menos de un minuto. Es la diferencia entre una prueba por cada pausa para el café y una escena entera esbozada en el mismo tiempo.

VersiónDónde se ejecutaTiempo para un clip de 14 segundos
H3 originalUna tarjeta de servidor de gama altaUnos 14 minutos
VDN, modo de máxima calidadLa misma tarjetaUnos 5 minutos
VDN, modo rápidoLa misma tarjetaMenos de 1 minuto
VDN, modo rápido (8 tarjetas)Ocho tarjetas de servidorUnos 9 segundos

Los tiempos proceden de las pruebas de los propios desarrolladores en tarjetas NVIDIA B200, publicadas en GitHub, en el blog del proyecto y en el artículo.

Lo que la velocidad cambia para ti

La velocidad suena a cifra para ingenieros, pero cambia cómo se siente crear. Cuando un borrador llega en segundos, dejas de adivinar qué hará un prompt y simplemente lo miras. Esto es lo que este modelo aporta a quienes crean a diario.

Diez ideas en lugar de una

Prueba distintos atuendos, ambientes, movimientos de cámara y frases de diálogo en el tiempo que antes tardaba un solo clip, y quédate con la toma que más te guste.

El sonido llega con la imagen

Las voces, los pasos, la lluvia y el sonido ambiente se generan junto con la imagen y en estéreo, así que no hay un paso de doblaje aparte.

El aspecto de H3, intacto

Los desarrolladores describen los resultados como casi idénticos a los del H3 normal: la misma imagen de cine, la misma sincronización labial, el mismo respeto por tu prompt.

Tu propio PC es suficiente

Gracias a la app FreeVideo, un ordenador gaming con una tarjeta gráfica de 8GB puede intentarlo. No hace falta equipo de estudio.

Historias de más de unos segundos

El modelo recuerda lo que pasó antes en el clip, lo que convierte los videos de un minuto o más en una meta realista.

Abierto para todos

Los pesos y el código son públicos, así que la comunidad sigue sumando apps, nodos de ComfyUI y demos a su alrededor.

Lo que crean los creadores con video casi en tiempo real

El video rápido y con sonido le viene bien a quien necesita muchos clips y no una sola toma perfecta. Estas son las escenas en las que más brilla, desde encargos de clientes hasta pura diversión.

Microdramas, toma a toma

Fija un personaje con una imagen inicial y otra final, encadena varias tomas, previsualiza cada una en un momento y pule las mejores en el modo de máxima calidad.

Anuncios verticales y clips de producto

Prueba muchos ganchos, frases de voz y ángulos de producto en paralelo y publica la versión que te parezca más potente para tu feed.

Retratos que hablan y arte con vida

Empieza con una sola imagen fija, añade una línea de diálogo y algo de sonido de fondo, y mira cómo un retrato, una ilustración o una foto hecha con IA habla y se mueve.

Escenas de grupo a partir de fotos separadas

La demo oficial coloca a dos personas, un samoyedo y una cafetería, tomados de imágenes de referencia distintas, en una sola escena en movimiento con el murmullo del local.

Storyboards para proyectos más grandes

Cineastas y guionistas de videojuegos pueden plantear una escena en una tarde y enseñar al equipo un borrador en movimiento en lugar de una página de notas.

Bucles para presentadores virtuales y directos

El artículo trata literalmente de video para livestream. Los clips encadenados encajan con presentadores virtuales e historias de elige tu camino, aunque todavía está en una fase temprana y conviene probarlo por tu cuenta.

Escenas de romance y glamour

Paseos por la playa en bañador, citas a la luz de las velas, bailes lentos: con personajes adultos originales (18+), los borradores rápidos facilitan dar con el ambiente adecuado.

Memes y felicitaciones

Convierte un selfi o la foto de tu mascota en un clip corto con un remate hablado o una felicitación de cumpleaños, listo para compartir en un chat.

Mirar de cerca, recordar el resto: por qué es tan rápido

VDN MiniMax H3 se publicó el 6 de septiembre de 2026 de la mano de OpenVDN, un grupo con investigadores de UC Berkeley, UT Austin e Impossible, Inc. Su artículo, titulado Video DeltaNet, parte de un hallazgo sencillo: el modelo original dedica más del 85% de su tiempo a comparar cada fotograma con todos los demás. Es como un editor de cine que vuelve a ver la película entera antes de cada corte.

El nuevo diseño trabaja como lo hace de verdad un buen editor. Mira de cerca solo los fotogramas que están uno junto a otro y lleva unas notas breves sobre todo lo demás, para que la historia siga teniendo sentido de principio a fin. El primer y el último fotograma sirven de anclas, lo que mantiene coherentes el inicio y el final. Las palabras y el sonido se siguen tratando con todo el cuidado, por eso se respetan los prompts y los labios coinciden con la voz. Por último, un modo rápido reduce el proceso de dibujo de 50 pasadas a 8.

Fila de fotogramas de video unidos por haces locales cortos y una larga cinta de memoria luminosa, que muestra cómo la atención híbrida acelera el modelo

Borradores rápidos o corte final: cómo elegir versión

Hay dos versiones para elegir. La rápida dibuja un clip en 8 pasadas y es la que el equipo recomienda para el uso diario. La de máxima calidad mantiene las 50 pasadas clásicas para renders finales en los que cuenta cada detalle. Una buena costumbre es explorar ideas en el modo rápido y luego rehacer tu favorita en máxima calidad.

¿Cómo se compara VDN-H3 con otras formas de acelerar H3? Los desarrolladores dicen que su imagen es casi igual a la del original y que supera a MiniMax FastH3 tanto en calidad como en seguimiento de instrucciones. La Turbo LoRA de la comunidad solo reduce el número de pasadas, mientras que este modelo además cambia la forma de comparar los fotogramas. Son impresiones del propio equipo a partir de ejemplos comparados lado a lado; no se han publicado puntuaciones de pruebas, así que fíate de tus propios ojos.

VDN modo rápidoVDN máxima calidadH3 Turbo LoRAMiniMax FastH3
Ideal paraBorradores y uso diarioRenders finalesAcelerar el H3 normalLa opción rápida propia de MiniMax
Cómo ahorra tiempoComparación de fotogramas más inteligente + 8 pasadasComparación de fotogramas más inteligenteSolo menos pasadasVariante rápida aparte
SonidoSí, estéreoSí, estéreoSíSí
Descarga extra≈ 5,1GB además de H3≈ 4,3GB además de H3Un archivo LoRAPesos aparte

Videos de un minuto y cadenas de historias sin fin

Una sola ejecución te da unos 14 segundos. Como el modelo lleva notas en lugar de volver a revisar cada fotograma, alargar el video ya no dispara el tiempo de espera. FreeVideo versión 0.4.0, publicada el 13 de octubre de 2026, afirma que puede producir videos de más de un minuto.

Hay una receta sencilla que funciona en cualquier herramienta: escribe tu historia en capítulos de unos 14 segundos y repite el aspecto del personaje y el lugar al inicio de cada capítulo, para que tu protagonista no cambie de abrigo a mitad de camino. También puedes usar la última imagen de un clip como la primera del siguiente. Así las escenas fluyen una tras otra y se pueden montar como un episodio de verdad.

Úsalo en casa en una GPU gaming de 8GB con FreeVideo

El código oficial espera una tarjeta de 24GB como una RTX 4090. FreeVideo, una app de escritorio de código abierto publicada el 2 de octubre de 2026, baja mucho el listón: indica como mínimo 8GB de memoria gráfica más 16GB de memoria del sistema, y elige por sí sola los ajustes ligeros adecuados para tu tarjeta. Eso pone el modelo al alcance de una RTX 3060.

Un apunte de sinceridad: nadie ha publicado cuánto tarda un clip en una tarjeta pequeña, así que espera algo mucho más lento que los tiempos de servidor de arriba. FreeVideo funciona en Windows y Linux, tiene una versión preliminar para macOS y también está disponible como plugin de ComfyUI.

  1. 1Descarga FreeVideo para tu sistema desde su página de GitHub, o instala el plugin de ComfyUI.
  2. 2Deja que descargue los archivos del modelo y ten listos unos 82GB de espacio en disco.
  3. 3Añade los archivos auxiliares que te pida: el codificador de texto, el upscaler y la LoRA turbo.
  4. 4Elige el modo rápido, pega un prompt y haz un clip corto de prueba antes de intentar los largos.
  5. 5Coloca LoRAs de la comunidad en la carpeta de LoRAs de la app si quieres un estilo especial.
Tu hardwareRuta más fácilQué esperar
Tarjeta de 8–12GB (p. ej. RTX 3060)App FreeVideoCumple el mínimo indicado; velocidad sin publicar
Tarjeta de 24GB (p. ej. RTX 4090)FreeVideo o el código oficialCabe, usando unos 20–22GB de memoria
Una tarjeta de servidorCódigo oficialMenos de un minuto por clip en modo rápido
Ocho tarjetas de servidorServidor SGLangUnos 9 segundos por clip
Escritorio de un creador en casa con un PC gaming que renderiza localmente en el monitor un video de una escena en una cafetería

Imágenes de inicio y de final, más un workflow de ComfyUI

Además de texto, VDN-H3 acepta imágenes como guía: un primer fotograma, un último fotograma, ambos a la vez (lo que se conoce como FL2VA) y, desde el 17 de septiembre de 2026, varias fotos de referencia en una misma escena. El modo de primer y último fotograma es el favorito de quienes cuentan historias. Tú decides dónde empieza una toma y dónde termina, y el modelo rellena el movimiento y el sonido de en medio.

Quienes usan ComfyUI tienen dos opciones de la comunidad: los archivos ya preparados t8star/Vdn-Minimax-H3-Comfy y el plugin de FreeVideo, a menudo combinados con un upscaler para lograr una imagen más nítida. Carga tu imagen inicial y tu imagen final, describe qué pasa entre ambas y usa para la ropa y la iluminación las mismas palabras que en las dos imágenes. Así la transición se ve natural.

Dónde descargarlo y cómo lo ponen en marcha los equipos

El modelo está en Hugging Face bajo OpenVDN/vdn-minimax-h3, con el código en GitHub. Necesitas los archivos base de MiniMax H3, de unos 72GB, más un pequeño complemento de VDN: 5,1GB para la versión rápida o 4,3GB para la de máxima calidad. En el primer arranque el programa se prepara durante unos minutos; después va rápido.

Los estudios que quieren el resultado de nueve segundos lo ejecutan en ocho GPU con SGLang, una herramienta de servidor que el proyecto admite de serie. Esa configuración por ahora se encarga de trabajos de texto a video y de primer y último fotograma. El equipo también sugiere dejar que un asistente de prompts como H3-Context-IR pula las ideas en bruto antes de generar.

Plantillas de prompts para pegar hoy

A este modelo le gustan los prompts que se leen como notas de director: quién sale en la imagen, qué hace y en qué orden, adónde va la cámara y qué se oye. Las plantillas de abajo siguen ese patrón y usan personajes adultos originales.

  • Describe las acciones en orden con first, then y finally; el modelo sigue muy bien las secuencias.
  • Pon el sonido al final con audio: y dialogue: para que las voces y el fondo encajen con la escena.
  • Para videos largos, escribe capítulos de 14 segundos y repite el aspecto del personaje y el lugar en cada uno.
  • Haz borradores en modo rápido y luego rehaz tus favoritos en máxima calidad.

Video con sonido para todo uso

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

Microdrama

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."

Primer y último fotograma

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.

Escena de grupo a partir de varias 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 junto a la piscina (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.

Qué dice la comunidad

El interés creció rápido. Cuando se investigó para esta página, el modelo tenía unos 360 me gusta en Hugging Face, alrededor de 3.300 descargas en un mes y 22 demos de la comunidad basadas en él, incluido el popular Space minimax-h3-ultra-fast. Su página de GitHub tenía unas 670 estrellas, y FreeVideo había superado las 2.800.

El ambiente en torno a VDN-H3 es de entusiasmo: borradores en menos de un minuto con una sola tarjeta y una esperanza real de hacer videos largos en casa. La queja habitual es la instalación, con descargas enormes, varios archivos auxiliares y errores de versión temprana, como muestra la larga lista de incidencias abiertas de FreeVideo. Las opiniones sobre la calidad de imagen son positivas, pero son impresiones personales y no puntuaciones medidas.

VDN MiniMax H3 sin censura: lo que realmente te dan los pesos abiertos

Mucha gente pregunta si la versión rápida viene con filtro. No existe una edición especial sin censura o NSFW, y los desarrolladores no describen ningún filtro de contenido integrado. Los pesos son abiertos y se ejecutan en tu propia máquina, así que no hay moderación en línea de por medio, aunque nadie sabe con exactitud qué aprendió el modelo durante el entrenamiento. FreeVideo puede cargar LoRAs de la comunidad, pero, como el diseño interno cambió, no se ha probado si las LoRAs adultas existentes para H3 siguen funcionando. Si prefieres saltarte la instalación, un generador de video sin censura funciona en tu navegador para personajes adultos (18+) originales.

Sin grandes descargas, sin tarjeta gráfica: anima en línea una imagen de tu personaje adulto original.

Abrir imagen a video

Generador de video alternativo sin censura

Sube una imagen fija, describe el movimiento, la cámara y el sonido que quieres, y obtén un clip corto en el navegador. Solo personajes adultos originales (18+).

Empezar a generar

Alojar VDN MiniMax H3 por tu cuenta vs generar en línea en Spicy AI

Ejecutarlo tú mismo te da control total y la velocidad bruta del modo rápido; la opción en línea lo cambia por cero configuración.

Despliegue local (pesos oficiales)Spicy AI en línea
Filtros de contenidoTú configuras tu propia instalaciónFiltros flexibles para contenido adulto (18+)
Pesos abiertosSí, unos 82GB en totalNo hacen falta, funciona en el navegador
Modelo utilizadoVDN en versión rápida o de máxima calidadUn modelo de video alojado similar
Para empezarDescarga, instalación y una buena tarjeta gráficaAbre la página y sube una imagen

Preguntas frecuentes

¿Qué es VDN MiniMax H3?

Es la versión más rápida, hecha por OpenVDN, del modelo de video abierto MiniMax H3. Crea video panorámico 768p con sonido a partir de texto o imágenes, con una forma más inteligente de comparar fotogramas llamada Video DeltaNet y un modo rápido de 8 pasadas.

¿Qué tan rápido es en realidad?

Los desarrolladores reportan unos 9 segundos para un clip de 14,4 segundos en ocho tarjetas de servidor y menos de un minuto en una sola. Su artículo lo sitúa 14,5 veces más rápido que el H3 original de 50 pasadas.

¿Empeora la imagen?

El equipo lo describe como casi sin pérdidas y mejor que MiniMax FastH3, a partir de ejemplos comparados lado a lado. Todavía no se han publicado puntuaciones de pruebas.

¿Puede ejecutarlo mi tarjeta gráfica?

El código oficial pide una tarjeta de 24GB y usa unos 20 a 22GB. FreeVideo indica como mínimo 8GB de memoria gráfica y 16GB de memoria del sistema, sin velocidades publicadas para tarjetas pequeñas.

¿Puede animar una foto o usar primer y último fotograma?

Sí. Trabaja a partir de texto, de un primer fotograma, de un último fotograma, de ambos a la vez (FL2VA) o de varias fotos de referencia. La configuración SGLang de ocho GPU solo admite texto y primer y último fotograma.

¿Cuánto ocupa la descarga?

Unos 82GB en total: aproximadamente 72GB del modelo base H3 más el complemento de VDN y los archivos auxiliares.

¿Existe una versión sin censura?

No existe una versión dedicada sin censura. Ejecutar los pesos abiertos en casa no tiene filtro en línea, y tienes que comprobar por tu cuenta si las LoRAs de H3 de la comunidad siguen funcionando.

Fuentes

Ver todos los modelos de IA sin censura →

Los nombres de productos y proyectos mencionados aquí pertenecen a sus respectivos propietarios. Todos los personajes deben ser adultos (18+); no crees contenido de personas reales sin su consentimiento.

Sign in

Welcome to Spicy AI

or