ARTICLE · 人工智能
淘宝 TaoMate-H3 开源：三步生成「分钟级」音视频连续创作
一语总结TaoMate-H3 是由阿里巴巴 TaoLive AIGC 团队基于 MiniMax H3 研发的音视频联合流式生成模型，通过三步 LoRA 推理与自回归生成，支持分钟级连续创作，并已正式开放推理代码和权重。
TaoMate-H3 能够根据文本描述连续生成包含人物对白、歌声或环境音的视频，支持 480p、768p、1080p 级横竖屏输出。与传统整段去噪相比，其逐段三步生成显著缩短了首段内容的产出时间，为直播讲解、虚拟角色表演和交互式视频应用提供了新的技术基础。目前，推理代码与 LoRA 权重已在 GitHub 和 Hugging Face 上开放下载。
- 三步流式生成，降低等待时间
通过少步 LoRA，TaoMate-H3 将每个小片段的去噪过程压缩为三步，优先完成当前片段再生成后续内容，无需等待整段视频完成去噪，从而显著缩短了首段内容的产出时间。
- 音视频联合生成，丰富人物与场景表现
模型在同一生成过程中处理声音与画面，支持人物讲话、歌唱、环境音效等，使声音参与模型的生成过程，为口型、表情和动作提供时间上的配合。
- 分钟级连续续写，支持分段内容编排
借助持续更新的音视频 KV 缓存和分段音频引导，模型能够跨越提示词边界延续前面的内容，使创作者可以逐段调整讲解重点或表演内容，组织更完整的商品介绍和角色叙事。
淘宝 TaoMate-H3 开源：三步生成「分钟级」音视频连续创作
TaoMate-H3 能够根据文本描述连续生成包含人物对白、歌声或环境音的视频，支持 480p、768p、1080p 级横竖屏输出。与传统整段去噪相比，其逐段三步生成显著缩短了首段内容的产出时间，为直播讲解、虚拟角色表演和交互式视频应用提供了新的技术基础。目前，推理代码与 LoRA 权重已在 GitHub 和 Hugging Face 上开放下载。
大淘宝技术介绍 TaoMate-H3 将音视频放进同一流式生成过程，以三步去噪和 KV 缓存支持分钟级续写。摘要还列出对话、歌声、环境音等场景，以及开放的推理代码和 LoRA 权重，呈现模型机制到创作工具的路径。适合关注生成视频、多模态工程与实时交互的读者。
文章金句
"推理代码与 LoRA 权重已正式开放！
"与整段视频反复去噪的生成方式相比，TaoMate-H3 以小片段为单位推进，每个片段仅需三步去噪，无需等待整段视频完成生成。
"目前，TaoMate-H3 推理代码与 LoRA 权重已正式开放。 开发者可通过 GitHub 和 Hugging Face 下载体验，在此基础上开展应用开发与流式生成研究。