Pika H3 Flex

Pika-Labs выпустила Pika H3 Flex — дообученную видео-аудио модель на базе MiniMax-H3 (33,12 млрд параметров). Она генерирует видео с синхронизированным стереозвуком за шесть шагов сэмплирования и поддерживает до 12 референсов для управления сценой. Локальный вывод даёт нативные 480p/768p; более высокие разрешения доступны через Pika API.

😎 Ключевые особенности

• 🔥 Шесть шагов сэмплирования — быстрая итерация для профессиональных сценариев.
• 👀 До 12 референс-файлов: 9 изображений, 3 видео и 3 отдельных аудио; нужен хотя бы один image/video.
• 💯 Синхронизированный стереозвук 32 kHz микшируется в MP4 вместе с видео.
• 🚀 Два адаптера: FL2VA для текста и первого/последнего кадра, Ref2VA для мультимодальных референсов.
• 🤗 Есть веса в Diffusers-формате, ComfyUI-воркфлоу и CLI-пакет pika-h3-pro.
• 🧐 11 соотношений сторон, 24 fps, длительность 5–15 секунд.

🤔 Пример

Сценарий из карточки: мультишотовая история, motion graphics, продуктовый фильм или анимация по референсам. Например, можно передать промпт, первое и последнее изображение, а в режиме Ref2VA добавить до 9 изображений, 3 видео и 3 аудио-референса — каждый видео- или аудиофрагмент длиной 2–15 секунд.

Подробнее

Локальный вывод: 480p/768p, 24 fps, 5–15 с, MP4 с H.264 и AAC.
Тестировали на H100 80GB; крупным запросам может понадобиться --cpu-offload и много host RAM.
Базовые компоненты занимают около 210 ГБ; адаптеры — FP32 LoRA rank/alpha 128.
1080p, 2K и 4K, audio stems и prompt enhancement доступны только через Pika API.
Лицензия — MiniMax H3 Community License Agreement.