VDN-H3 · OpenVDN · trọng số mở

VDN MiniMax H3 không kiểm duyệt: Video AI tạo xong nhanh hơn thời gian phát

Chờ hàng phút chỉ để có vài giây video AI thì còn gì là vui. VDN MiniMax H3 đảo ngược điều đó: trên một máy chủ mạnh, một clip dài 14 giây kèm âm thanh khớp hình được hoàn tất trong khoảng chín giây, tức là video đã sẵn sàng trước cả khi bạn kịp xem hết. Đây là phiên bản nhanh hơn của mô hình video mở MiniMax H3, do nhóm nghiên cứu OpenVDN thực hiện, và vẫn giữ nguyên hình ảnh lẫn giọng nói quen thuộc. Tuyệt hơn nữa, ứng dụng máy tính FreeVideo cho phép những chiếc PC chơi game thông thường cũng chạy được. Bên dưới, bạn sẽ thấy tốc độ này có ý nghĩa gì với mình, mọi người tạo ra những gì, cách dùng thử tại nhà và các prompt có thể dán dùng ngay.

  • Nhanh hơn thời gian phát
  • Video có âm thanh
  • Chạy trên PC tại nhà
  • Trọng số mở
Biến ảnh thành video ngay

Clip đã xong trước khi bạn kịp xem hết

Lời hứa gói gọn trong một câu: thời gian tạo video ngắn hơn thời gian phát. Trên máy chủ có tám card đồ họa hàng đầu, chế độ nhanh của VDN-H3 biến một prompt thành clip màn ảnh rộng dài 14,4 giây, có sẵn âm thanh, trong khoảng chín giây. Bài báo nghiên cứu đi kèm cho biết con số đó nhanh hơn khoảng 14,5 lần so với H3 gốc trên cùng loại máy.

Bạn không cần cả một phòng máy chủ để cảm nhận sự khác biệt. Trên một card cao cấp duy nhất, mô hình gốc cần gần 14 phút cho một clip. Chế độ chất lượng đầy đủ mới rút xuống còn khoảng năm phút, còn chế độ nhanh chưa tới một phút. Đó là khác biệt giữa việc chỉ làm được một cảnh thử mỗi lần nghỉ uống cà phê và việc phác xong cả một phân cảnh trong cùng khoảng thời gian.

Phiên bảnChạy ở đâuThời gian cho một clip 14 giây
H3 gốcMột card máy chủ cao cấpKhoảng 14 phút
VDN, chế độ chất lượng đầy đủCùng card đóKhoảng 5 phút
VDN, chế độ nhanhCùng card đóChưa tới 1 phút
VDN, chế độ nhanh (8 card)Tám card máy chủKhoảng 9 giây

Các mốc thời gian lấy từ thử nghiệm của chính nhà phát triển trên card NVIDIA B200, được công bố trên GitHub, blog dự án và trong bài báo.

Tốc độ thay đổi điều gì cho bạn

Tốc độ nghe như một con số dành cho kỹ sư, nhưng nó thay đổi cả cảm giác khi sáng tạo. Khi bản nháp có ngay sau vài giây, bạn thôi đoán xem prompt sẽ cho ra gì mà chỉ việc xem kết quả. Dưới đây là những gì mô hình này mang lại cho người sáng tạo hằng ngày.

Mười ý tưởng thay vì một

Thử nhiều trang phục, tâm trạng, chuyển động máy quay và câu thoại khác nhau trong khoảng thời gian trước đây chỉ đủ cho một clip, rồi giữ lại bản bạn ưng nhất.

Âm thanh đến cùng hình ảnh

Giọng nói, tiếng bước chân, tiếng mưa và âm thanh căn phòng được tạo cùng lúc với hình ảnh ở dạng stereo, nên không cần thêm bước lồng tiếng riêng.

Vẫn giữ nét đẹp của H3

Nhà phát triển mô tả kết quả gần như y hệt H3 thông thường: vẫn hình ảnh đậm chất điện ảnh, vẫn khớp khẩu hình, vẫn bám sát prompt của bạn.

PC của bạn là đủ

Nhờ ứng dụng FreeVideo, một máy tính chơi game có card đồ họa 8GB đã có thể thử sức. Không cần thiết bị cỡ studio.

Câu chuyện dài hơn vài giây

Mô hình ghi nhớ những gì đã diễn ra trước đó trong clip, nhờ vậy video dài một phút hoặc hơn trở thành mục tiêu trong tầm tay.

Mở cho tất cả mọi người

Trọng số và mã nguồn đều công khai, nên cộng đồng liên tục bổ sung ứng dụng, node ComfyUI và bản demo xoay quanh nó.

Nhà sáng tạo làm gì với video gần như thời gian thực

Video nhanh, có sẵn âm thanh hợp với bất kỳ ai cần nhiều clip thay vì một cảnh quay hoàn hảo duy nhất. Đây là những tình huống nó tỏa sáng, từ dự án cho khách hàng đến giải trí thuần túy.

Phim ngắn, từng cảnh một

Cố định nhân vật bằng ảnh mở đầu và ảnh kết thúc, nối nhiều cảnh với nhau, xem trước từng cảnh trong chốc lát và trau chuốt những cảnh đẹp nhất ở chế độ chất lượng đầy đủ.

Quảng cáo dọc và clip sản phẩm

Thử song song nhiều câu mở đầu, lời thoại và góc quay sản phẩm, rồi đăng phiên bản bạn thấy ấn tượng nhất cho bảng tin của mình.

Chân dung biết nói và tranh sống động

Bắt đầu từ một ảnh tĩnh, thêm một câu thoại cùng chút âm thanh nền, rồi xem bức chân dung, tranh minh họa hay ảnh AI cất lời và chuyển động.

Cảnh nhóm từ các ảnh riêng lẻ

Bản demo chính thức đặt hai người, một chú chó Samoyed và một quán cà phê từ các ảnh tham chiếu khác nhau vào cùng một cảnh chuyển động có tiếng trò chuyện trong quán.

Storyboard cho dự án lớn hơn

Nhà làm phim và biên kịch game có thể dựng sơ bộ một phân cảnh trong một buổi chiều và cho cả nhóm xem bản nháp chuyển động thay vì một trang ghi chú.

Đoạn lặp cho người dẫn ảo và livestream

Bài báo nói đúng về video livestream. Các clip nối tiếp nhau hợp với người dẫn chương trình ảo và truyện cho người xem tự chọn hướng đi, dù mọi thứ vẫn còn sơ khai và bạn nên tự thử nghiệm.

Cảnh lãng mạn và quyến rũ

Dạo biển trong đồ bơi, hẹn hò dưới ánh nến, điệu nhảy chậm rãi: với nhân vật trưởng thành nguyên bản (18+), bản nháp nhanh giúp bạn dễ dàng tìm đúng bầu không khí.

Meme và lời chúc

Biến ảnh selfie hoặc ảnh thú cưng thành một clip ngắn có câu chốt hài hước hay lời chúc sinh nhật, sẵn sàng chia sẻ trong nhóm chat.

Nhìn kỹ phần gần, ghi nhớ phần còn lại: vì sao nó nhanh đến vậy

VDN MiniMax H3 được phát hành ngày 6 tháng 9 năm 2026 bởi OpenVDN, một nhóm gồm các nhà nghiên cứu từ UC Berkeley, UT Austin và Impossible, Inc. Bài báo của họ, mang tên Video DeltaNet, bắt đầu từ một phát hiện đơn giản: mô hình gốc dành hơn 85% thời gian để so sánh từng khung hình với mọi khung hình khác. Chẳng khác nào một người dựng phim xem lại toàn bộ bộ phim trước mỗi lần cắt.

Thiết kế mới làm việc đúng như cách một người dựng phim giỏi vẫn làm. Nó chỉ nhìn kỹ những khung hình nằm ngay cạnh nhau, và ghi chép ngắn gọn, liên tục về mọi thứ còn lại, nhờ đó câu chuyện vẫn liền mạch từ đầu đến cuối. Khung hình đầu tiên và cuối cùng đóng vai trò điểm neo, giữ cho phần mở đầu và kết thúc luôn nhất quán. Lời văn và âm thanh vẫn được xử lý thật kỹ lưỡng, nên prompt được làm theo và khẩu hình khớp với giọng nói. Thêm vào đó, chế độ nhanh rút quá trình vẽ từ 50 lượt xuống còn 8.

Dãy khung hình video được nối bằng các tia sáng cục bộ ngắn và một dải bộ nhớ dài phát sáng, minh họa cách attention lai giúp mô hình tăng tốc

Bản nháp nhanh hay bản dựng cuối: chọn phiên bản nào

Có hai phiên bản để bạn lựa chọn. Bản nhanh vẽ một clip trong 8 lượt và là bản nhóm phát triển khuyên dùng hằng ngày. Bản chất lượng đầy đủ giữ nguyên 50 lượt truyền thống cho những bản dựng cuối cùng, khi từng chi tiết đều quan trọng. Một thói quen thông minh là khám phá ý tưởng ở chế độ nhanh, rồi làm lại cảnh ưng ý nhất ở chất lượng đầy đủ.

VDN-H3 so với những cách tăng tốc H3 khác thì sao? Nhà phát triển cho biết hình ảnh của nó gần như giống bản gốc và vượt MiniMax FastH3 cả về chất lượng lẫn khả năng làm theo chỉ dẫn. Turbo LoRA của cộng đồng chỉ giảm số lượt vẽ, còn mô hình này thay đổi cả cách so sánh các khung hình. Đây là cảm nhận của chính nhóm phát triển qua các ví dụ đặt cạnh nhau; chưa có điểm kiểm thử nào được công bố, nên hãy tin vào mắt mình.

VDN chế độ nhanhVDN chất lượng đầy đủH3 Turbo LoRAMiniMax FastH3
Phù hợp nhất choBản nháp và dùng hằng ngàyBản dựng cuốiTăng tốc H3 thông thườngLựa chọn nhanh của chính MiniMax
Cách tiết kiệm thời gianSo sánh khung hình thông minh hơn + 8 lượtSo sánh khung hình thông minh hơnChỉ giảm số lượtBiến thể nhanh riêng
Âm thanhCó, stereoCó, stereoCóCó
Tải thêm≈ 5,1GB ngoài H3≈ 4,3GB ngoài H3Một tệp LoRATrọng số riêng

Video dài một phút và chuỗi câu chuyện bất tận

Một lần chạy cho bạn khoảng 14 giây. Vì mô hình ghi chép thay vì kiểm tra lại từng khung hình, làm video dài hơn không còn khiến thời gian chờ tăng vọt. FreeVideo phiên bản 0.4.0, phát hành ngày 13 tháng 10 năm 2026, cho biết có thể tạo video dài hơn một phút.

Có một công thức đơn giản dùng được với mọi công cụ: viết câu chuyện thành từng chương khoảng 14 giây, và lặp lại ngoại hình nhân vật cùng bối cảnh ở đầu mỗi chương, để nhân vật chính không đổi áo khoác giữa chừng. Bạn cũng có thể dùng hình ảnh cuối của clip này làm hình ảnh đầu của clip tiếp theo. Khi đó các cảnh nối liền vào nhau và có thể dựng lại như một tập phim thật.

Chạy tại nhà trên GPU chơi game 8GB với FreeVideo

Mã nguồn chính thức yêu cầu card 24GB như RTX 4090. FreeVideo, ứng dụng máy tính mã nguồn mở phát hành ngày 2 tháng 10 năm 2026, hạ thấp rào cản rất nhiều: mức tối thiểu được nêu là 8GB bộ nhớ đồ họa cùng 16GB bộ nhớ hệ thống, và ứng dụng tự chọn thiết lập gọn nhẹ phù hợp với card của bạn. Nhờ vậy mô hình nằm trong tầm với của RTX 3060.

Nói thật lòng: chưa ai công bố một clip mất bao lâu trên card nhỏ, nên hãy chuẩn bị tinh thần là nó sẽ chậm hơn nhiều so với thời gian trên máy chủ ở trên. FreeVideo chạy trên Windows và Linux, có bản xem trước cho macOS và còn được cung cấp dưới dạng plugin ComfyUI.

  1. 1Tải FreeVideo cho hệ điều hành của bạn từ trang GitHub của ứng dụng, hoặc cài plugin ComfyUI.
  2. 2Để ứng dụng tải các tệp mô hình và chuẩn bị sẵn khoảng 82GB dung lượng ổ đĩa.
  3. 3Thêm các tệp hỗ trợ mà ứng dụng yêu cầu: bộ mã hóa văn bản, bộ upscale và LoRA turbo.
  4. 4Chọn chế độ nhanh, dán prompt và tạo thử một clip ngắn trước khi thử clip dài.
  5. 5Thả các LoRA cộng đồng vào thư mục LoRA của ứng dụng nếu bạn muốn một phong cách riêng.
Phần cứng của bạnCách dễ nhấtĐiều nên kỳ vọng
Card 8–12GB (vd. RTX 3060)Ứng dụng FreeVideoĐạt mức tối thiểu được nêu; tốc độ chưa được công bố
Card 24GB (vd. RTX 4090)FreeVideo hoặc mã nguồn chính thứcChạy vừa, dùng khoảng 20–22GB bộ nhớ
Một card máy chủMã nguồn chính thứcChưa tới một phút mỗi clip ở chế độ nhanh
Tám card máy chủMáy chủ SGLangKhoảng 9 giây mỗi clip
Góc làm việc của nhà sáng tạo tại nhà với PC chơi game phổ thông đang dựng video cảnh quán cà phê ngay trên màn hình

Ảnh mở đầu và kết thúc, cùng workflow ComfyUI

Ngoài văn bản thuần túy, VDN-H3 còn nhận hình ảnh làm chỉ dẫn: khung hình đầu, khung hình cuối, cả hai cùng lúc (gọi là FL2VA) và, từ ngày 17 tháng 9 năm 2026, nhiều ảnh tham chiếu trong cùng một cảnh. Chế độ khung hình đầu và cuối là lựa chọn yêu thích của người kể chuyện. Bạn quyết định cảnh quay bắt đầu ở đâu và dừng lại ở đâu, còn mô hình lấp đầy chuyển động và âm thanh ở giữa.

Người dùng ComfyUI có hai lựa chọn từ cộng đồng: bộ tệp làm sẵn t8star/Vdn-Minimax-H3-Comfy và plugin FreeVideo, thường kết hợp với một bộ upscale để hình ảnh sắc nét hơn. Tải ảnh mở đầu và ảnh kết thúc, mô tả điều diễn ra ở giữa, và dùng đúng những từ mô tả trang phục, ánh sáng như trong cả hai ảnh. Khi đó phần chuyển cảnh trông rất tự nhiên.

Tải ở đâu và các nhóm triển khai thế nào

Mô hình nằm trên Hugging Face tại OpenVDN/vdn-minimax-h3, mã nguồn trên GitHub. Bạn cần bộ tệp gốc MiniMax H3, khoảng 72GB, cùng một phần bổ sung VDN nhỏ: 5,1GB cho bản nhanh hoặc 4,3GB cho bản chất lượng đầy đủ. Lần khởi động đầu tiên, phần mềm tự chuẩn bị trong vài phút; sau đó mọi thứ chạy rất nhanh.

Các studio muốn có kết quả chín giây sẽ chạy nó trên tám GPU với SGLang, công cụ triển khai mà dự án hỗ trợ sẵn. Cấu hình này hiện xử lý được việc tạo video từ văn bản và chế độ khung hình đầu và cuối. Nhóm phát triển cũng khuyên nên để một công cụ hỗ trợ viết prompt như H3-Context-IR trau chuốt các ý tưởng thô trước khi tạo.

Mẫu prompt bạn có thể dán dùng ngay hôm nay

Mô hình này thích những prompt viết như ghi chú của đạo diễn: ai có trong hình, họ làm gì theo thứ tự, máy quay di chuyển ra sao và ta nghe thấy gì. Các mẫu dưới đây tuân theo cấu trúc đó và dùng nhân vật trưởng thành nguyên bản.

  • Mô tả hành động theo thứ tự với first, then và finally; mô hình bám theo chuỗi hành động rất tốt.
  • Đặt âm thanh ở cuối với audio: và dialogue: để giọng nói và âm thanh nền khớp với cảnh.
  • Với video dài, hãy viết từng chương 14 giây và lặp lại ngoại hình nhân vật cùng bối cảnh trong mỗi chương.
  • Làm bản nháp ở chế độ nhanh, rồi làm lại những cảnh yêu thích ở chất lượng đầy đủ.

Video có âm thanh đa năng

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

Phim ngắn

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."

Khung hình đầu và cuối

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.

Cảnh nhóm từ nhiều ảnh

[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.

Quyến rũ bên hồ bơi (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.

Cộng đồng đang nói gì

Sự quan tâm tăng lên rất nhanh. Vào thời điểm trang này được tìm hiểu, mô hình có khoảng 360 lượt thích trên Hugging Face, khoảng 3.300 lượt tải trong một tháng và 22 bản demo cộng đồng được xây dựng dựa trên nó, bao gồm Space nổi tiếng minimax-h3-ultra-fast. Trang GitHub của nó có khoảng 670 sao, còn FreeVideo đã vượt 2.800.

Bầu không khí quanh VDN-H3 là sự hào hứng: bản nháp chưa tới một phút trên một card, và hy vọng thực sự về video dài làm ngay tại nhà. Lời phàn nàn quen thuộc là khâu cài đặt, với dung lượng tải lớn, nhiều tệp hỗ trợ và lỗi của phiên bản đầu, như danh sách dài các vấn đề còn mở của FreeVideo cho thấy. Các nhận xét về chất lượng hình ảnh khá tích cực, nhưng đó là cảm nhận cá nhân chứ không phải điểm số đo đạc.

VDN MiniMax H3 không kiểm duyệt: trọng số mở thực sự mang lại gì cho bạn

Nhiều người thắc mắc phiên bản nhanh này có kèm bộ lọc hay không. Không có phiên bản không kiểm duyệt hay NSFW đặc biệt nào, và nhà phát triển cũng không mô tả bộ lọc nội dung tích hợp nào. Trọng số là mở và chạy trên máy của chính bạn, nên không có lớp kiểm duyệt trực tuyến nào chen vào giữa, dù không ai biết chính xác mô hình đã học được gì trong quá trình huấn luyện. FreeVideo có thể nạp LoRA cộng đồng, nhưng vì thiết kế bên trong đã thay đổi, việc các LoRA người lớn hiện có cho H3 còn hoạt động hay không vẫn chưa được kiểm chứng. Nếu bạn muốn bỏ qua khâu cài đặt, một trình tạo video không kiểm duyệt chạy ngay trên trình duyệt dành cho các nhân vật nguyên bản là người trưởng thành (18+).

Không cần tải nặng, không cần card đồ họa: tạo chuyển động trực tuyến cho ảnh tĩnh của nhân vật trưởng thành nguyên bản của bạn.

Mở công cụ ảnh thành video

Trình tạo video thay thế không kiểm duyệt

Tải lên một ảnh tĩnh, mô tả chuyển động, góc máy và âm thanh bạn muốn, và nhận một clip ngắn ngay trên trình duyệt. Chỉ dành cho nhân vật nguyên bản là người trưởng thành (18+).

Bắt đầu tạo

Tự triển khai VDN MiniMax H3 hay tạo trực tuyến trên Spicy AI

Tự chạy cho bạn toàn quyền kiểm soát và tốc độ nguyên bản của chế độ nhanh; cách trực tuyến đánh đổi điều đó để không cần cài đặt gì.

Triển khai cục bộ (trọng số chính thức)Spicy AI trực tuyến
Bộ lọc nội dungBạn tự cấu hình hệ thống của mìnhBộ lọc nới lỏng cho nội dung người lớn (18+)
Trọng số mởCó, tổng cộng khoảng 82GBKhông cần, chạy trên trình duyệt
Mô hình sử dụngBản VDN nhanh hoặc chất lượng đầy đủMột mô hình video tương tự được lưu trữ sẵn
Cách bắt đầuTải về, cài đặt và cần một card đồ họa đủ mạnhMở trang và tải lên một bức ảnh

Câu hỏi thường gặp

VDN MiniMax H3 là gì?

Đây là phiên bản nhanh hơn do OpenVDN phát triển từ mô hình video mở MiniMax H3. Nó tạo video màn ảnh rộng 768p có âm thanh từ văn bản hoặc hình ảnh, nhờ cách so sánh khung hình thông minh hơn mang tên Video DeltaNet và chế độ nhanh 8 lượt.

Thực sự nó nhanh đến mức nào?

Nhà phát triển cho biết mất khoảng 9 giây cho một clip 14,4 giây trên tám card máy chủ và chưa tới một phút trên một card. Theo bài báo của họ, nó nhanh hơn 14,5 lần so với H3 gốc 50 lượt.

Hình ảnh có xấu đi không?

Nhóm phát triển gọi nó là gần như không suy hao và tốt hơn MiniMax FastH3, dựa trên các ví dụ đặt cạnh nhau. Hiện chưa có điểm kiểm thử nào được công bố.

Card đồ họa của tôi có chạy được không?

Mã nguồn chính thức cần card 24GB và dùng khoảng 20 đến 22GB. FreeVideo nêu mức tối thiểu là 8GB bộ nhớ đồ họa và 16GB bộ nhớ hệ thống, nhưng chưa công bố tốc độ cho các card nhỏ.

Nó có làm ảnh chuyển động hay dùng khung hình đầu và cuối được không?

Có. Nó hoạt động từ văn bản, khung hình đầu, khung hình cuối, cả hai cùng lúc (FL2VA) hoặc nhiều ảnh tham chiếu. Cấu hình SGLang tám GPU chỉ hỗ trợ văn bản và khung hình đầu và cuối.

Dung lượng tải về là bao nhiêu?

Tổng cộng khoảng 82GB: khoảng 72GB cho mô hình gốc H3 cộng với phần bổ sung VDN và các tệp hỗ trợ.

Có phiên bản không kiểm duyệt không?

Không có bản không kiểm duyệt riêng. Chạy trọng số mở tại nhà sẽ không có bộ lọc trực tuyến, và bạn cần tự thử xem các LoRA H3 của cộng đồng có còn hoạt động hay không.

Nguồn tham khảo

Xem tất cả mô hình AI không kiểm duyệt →

Tên sản phẩm và dự án được nhắc đến ở đây thuộc về chủ sở hữu tương ứng. Mọi nhân vật đều phải là người trưởng thành (18+); không tạo nội dung về người thật khi chưa có sự đồng ý của họ.

Sign in

Welcome to Spicy AI

or