### [TaoMate-H3 – 淘宝开源三步流式音视频生成模型](https://www.zuoshipin.com/link/47118.html)

**Published:** 2026-10-02T15:10:44

**Author:** 天才交易员

**Excerpt:** 基于MiniMax H3的开源低延迟音视频生成运行时，以三步LoRA实现分块流式生成、原生音频和分钟级连续续写…

## TaoMate-H3是什么？

**TaoMate-H3是阿里巴巴淘宝TaoLive AIGC团队开源的低延迟流式音视频生成运行时。**它建立在MiniMax H3之上，通过三步LoRA把连续视频拆成小片段生成，在同一时间线上同步处理画面、对白、歌声、环境音与动作音效。

[![TaoMate-H3三步流式音视频联合生成模型及官方性能摘要](https://admin.zuoshipin.com/wp-content/uploads/2026/10/taomate-h3-image01.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/taomate-h3-image01.webp)

TaoMate-H3三步流式音视频联合生成模型及官方性能摘要。图片来自项目公开演示，已压缩为WebP，点击查看大图。

## 核心能力

-   **三步流式生成：**每个小片段只执行三个去噪区间，不必等待整段视频全部完成。
-   **音视频联合：**声音与画面共同生成，适合口播、演唱、角色对白和带环境音的场景。
-   **连续续写：**利用音视频KV缓存、起始视觉参照和近期上下文，在提示词切换后继续保持人物、声音与动作。
-   **多种规格：**支持480p、768p和对齐1080p的横竖屏输出，时长以5秒为单位组织。
-   **开放代码与权重：**GitHub提供推理代码，Hugging Face提供T2AV三步LoRA权重。

## 硬件与环境要求

官方仓库要求Linux、Python 3.10或3.11、CUDA 12.8、PyTorch 2.8、支持H.264与AAC的FFmpeg，以及NVIDIA Hopper/SM90 GPU。支持单机4卡或8卡推理，官方验证配置是**8张H20 96GB**，因此它目前并不是普通消费级显卡的一键工具。

## 性能口径

在8张H20 96GB、480×864、10秒视频的官方测试中，纯DiT计算耗时由MiniMax H3的169.572秒降至14.810秒，约11.45倍加速；首个最终latent就绪时间由170.052秒缩短到6.148秒，约27.66倍加速。上述数据来自项目方特定环境，不代表所有分辨率和部署配置。

## 适合谁

适合研究流式视频生成、数字人口播、电商讲解、虚拟角色、长视频续写与交互式视听应用的算法团队、AI视频开发者和具备多卡服务器的工作室。普通创作者可先查看公开演示与代码结构，再评估云端算力成本。

## 官方入口

[访问TaoMate-H3官方GitHub仓库](https://github.com/TaoLiveAIGC/TaoMate-H3)

[访问TaoMate-H3官方Hugging Face模型页](https://huggingface.co/TaoLiveAIGC/TaoMate-H3)



---