新模型 2026-10-29

Pika 开源视频模型 H3 Flex:6 步出片,还自带声音

一句话说清:Pika 10 月 29 日放出 H3 Flex,画面和声音一起生成,出片步骤从 50 步压到 6 步,最多能塞 12 个参考素材。

发生了什么

10 月 29 日,做 AI 视频的 Pika 发布 H3 Flex,并公开了模型权重和推理代码。

它不是从零训练的新模型,而是在 MiniMax 的 H3 视频模型上二次加工的版本:先用自家剪辑过的素材继续训练,再把「去噪」步骤从 50 步压到 6 步,最后针对画面美感、指令跟随各调一版。压缩后生成速度快了大约 1.8 倍。

几个关键数字:一次最多可以给 12 个参考素材(图片、视频片段、声音都能混着给);一次能出 5 到 15 秒的片子,带 32kHz 立体声;本地自己跑,清晰度是 480p 或 768p。Pika 官方举的例子是,15 秒 768p 带声音的片子,最快只要 7 秒的模型计算时间——注意这只是模型本身的计算,不包括上传、放大和排队。

它也拿到了 DesignArena 文生视频榜上开放权重模型的第一名、总榜第七。完整的 1080p/2K/4K 放大和分轨音频,仍然只在 Pika 的付费服务里提供。按 Pika 的说法,11 月 2 日这套能力会进它自己的创作产品。

对我有什么用

大多数人用不上「自己下载模型跑」——它依赖的底座模型要认真跑得用 80GB 显存的显卡,光文件就两百多 GB。这个发布对你的真实价值是:

第一,Pika 产品里的出片会更快。6 步出片意味着你改一版等的时间变短,试错成本下来了。做短视频、做电商素材的人,最能感觉到。

第二,声音不用另外配了。以前是先生成画面、再找音效、再对口型,现在画面和立体声一起出来,省掉一整道工序。

第三,参考素材能「分工」。一张图给人物、一张图给场景、一段视频给动作,这在以前要反复抽卡,现在能明确告诉它「这张管长相、那段管动作」。

我可以怎么做

① 不折腾技术的:等 11 月 2 日 Pika 产品更新,直接在 pika.art 里用;重点试「多参考素材」和「带声音出片」这两个新东西; ② 想自己跑的技术玩家:Hugging Face 搜 Pika H3 Flex 下载适配器(约 5.5GB),但必须先装好 MiniMax H3 底座(约 210GB),ComfyUI 已经出了三个现成工作流; ③ 写提示词时把「镜头时间轴」写清楚——比如「0-3 秒俯拍、3-8 秒摇臂下压、8-12 秒环绕」——这类模型对分镜指令的响应比对笼统描述好得多; ④ 先用 768p 出草稿、挑中的那条再放大,别一上来就冲最高清。

温馨提醒

它的许可证跟着 MiniMax H3 的社区许可走,有地域和商用条件,商用前一定读一遍条款,别默认开源就等于随便用。

还有一点容易踩坑:官方宣传的「7 秒出片」是特定条件下的模型计算时间,你在自己电脑上跑,5 秒的 768p 片段大概要一分钟左右。别按宣传数字去估自己的机器。

📤 一键转发小助手 帮你写好小红书文案、微信推荐语,还配一张中文海报,复制就能发