近日，由英伟达与麻省理工学院研究人员组成的Efficient-Large-Model团队，在HuggingFace发布视频增强项目Open-H3-Regenerate-2K的模型权重，配套推理代码已在NVlabs/Sana仓库开放。该方案基于MiniMaxH3，将低分辨率视频草稿重新生成为高分辨率视频，支持2560×1440的2K输出，最高可实现3840×2160的原生4K重生成。

MiniMaxH3的完整系统包含多模态上下文处理、基础音视频生成和高分辨率重生成等环节。其中，已开放权重的H3-Base负责生成768P音视频，官方H3-Regenerate-2K模块通过API提供服务。此次发布的项目复用H3基础模型的生成能力，为高分辨率重生成环节提供了一套可自行部署的开放实现。

在细化模型的训练阶段，研究团队保持H3Transformer主干与视频VAE的原有参数不变，仅训练新增的细化LoRA。推理时，细化LoRA与LightX2VFL2VATurbo、LMSSharp等社区适配器合并使用，通过三步去噪，在目标分辨率下重新生成画面细节。视频草稿中的场景、布局和运动信息，则为这一过程提供基础。

为提高推理效率，项目采用社区开发的潜空间放大器，直接放大视频的潜在表示，减少高分辨率下重复解码、编码的开销。同时，方案结合SoL-Engine的稀疏注意力、低精度计算和快速VAE解码器，对细化与解码环节进行加速。

项目团队公布的测试显示，在单张NVIDIAB200GPU、预热后的测试条件下，一段约5秒视频的潜空间放大、三步细化和2K解码合计耗时，由未优化实现的87.26秒降至22.45秒，处理速度约为原来的3.9倍。其中，快速解码器将视频解码耗时从约15秒降至约1.6秒。

画质方面，项目团队在RefinerBench-150上进行了对比评测。在相同输入、相同2K输出条件下，Open-H3-Regenerate-2K在感知质量评测UniPercept上的平均分为60.0，官方H3-Regenerate-2KAPI为53.4。VBench评测中，该方案的美学质量、成像质量和主体一致性得分更高，官方API在运动平滑度和动态程度上仍略优。

MiniMaxH3在今年8月开放权重，围绕H3展开的微调、蒸馏和工具适配迅速增多，吸引了海内外研究团队与社区开发者参与，一个月内下载量超过2400万次，产生超过300个公开衍生模型，H3成为2026年全球下载量最高的模型之一。

其中，英伟达与MIT联合围绕H3的开发覆盖了不同方向。除本次视频增强方案外，该团队还发布了基于H3Ref2VA构建的流式视频渲染模型StreamRender-H3，以及从H3视频VAE蒸馏而来的快速解码器Sol-H3-VAE，分别面向交互式视频渲染和解码效率优化。

此前，LightX2V推出的MiniMax-H3Turbo提供四步、八步等蒸馏版本，社区微调模型Singularity则着重优化动作表现、面部细节与视觉风格。海外团队FastVideo、Pika也分别发布了FastH3四步预览版本和六步采样的PikaH3Flex；ComfyUI、Unsloth则通过适配权重和量化版本，将H3带入更多本地创作工作流。