Pika выпустила модель для видео со звуком с открытыми весами
H3 Flex локально работает как шестишаговый LoRA-адаптер для MiniMax H3, а Pika отдельно предлагает облачные 4K и аудиодорожки.
Pika опубликовала веса и код инференса H3 Flex — модели для видео и звука, созданной дообучением MiniMax H3. Система генерирует ролики с синхронным стереозвуком за шесть шагов и поддерживает текстовые запросы, начальные и конечные кадры, а также мультимодальные референсы.
Локальный запуск создает ролики длительностью от 5 до 15 секунд в 480p или 768p с 11 соотношениями сторон. Pika предлагает два LoRA-адаптера: для текста и граничных кадров, а также для изображений, видео и аудиореференсов. Компания протестировала выбранные сценарии на H100 с 80 ГБ памяти. Полный набор базовых компонентов занимает около 210 ГБ, хотя для отдельного запроса загружается только нужная часть.
Pika рекламирует разрешение до 4K, выгрузку отдельных аудиодорожек и генерацию 15-секундного ролика примерно за семь секунд. Эти возможности относятся к облачному API, а не к локальному пакету; заявление о скорости пока не подтверждено независимыми тестами.
В DesignArena H3 Flex стартовала на седьмом месте общего рейтинга с 1293 баллами Elo и стала лучшей моделью с открытыми весами на доске text-to-video. Рейтинг меняется по мере поступления голосов, поэтому это полезный сигнал, но не окончательная оценка качества.
Релиз заметен тем, что раньше Pika держала основные генеративные модели закрытыми. Адаптеры наследуют Community License Agreement MiniMax H3, поэтому открытые веса не означают open source по стандартам OSI. Тем не менее разработчики могут изучать, адаптировать и запускать модель без обязательной привязки к облачному сервису.
