Pika发布开源视频模型H3 Flex：基于MiniMax H3后训练，15秒带音频的视频最快约7秒算完

视频生成工具Pika在10月29日发布了新模型 Pika H3 Flex，并且放出了开放权重。详情见 Pika官方博客。

关键信息

底座来自中国团队：H3 Flex是Pika在 MiniMax H3 基础上后训练得到的模型。
速度：生成步数从50步减到6步。官方称，一段15秒、768p、带同步音频的视频，模型主体计算最快约7秒，比视频本身还短。不过这是受控测试里的数字，不等于实际接口的总耗时。
参考素材：一次最多可以输入 12个 图片、视频或音频参考，比如用一张图定角色、一张图定场景、一段视频定动作。
音频：输出带立体声音频，通过Pika的API还能拆成对白、配乐、音效、拟音和环境声 五条音轨。
分辨率：原生生成480p或768p，再用Pika的放大功能升到1080p、2K或4K。
开放范围：公开的是生成部分的权重和推理代码，覆盖文生视频、首尾帧生成和多参考生成；放大、音轨分离等功能只在Pika自家服务里提供。官方称发布时在DesignArena的文生视频榜上排开源模型第一、总榜第七。

我最在意的是“音轨分离”。做过剪辑的人都知道，AI生成的视频最难改的往往是声音，配乐和对白混在一起就没法调。能分成五条轨，后期才真正有空间。

本地跑这套开源模型门槛不低，官方测试配置是H100级别的显卡。对普通创作者来说，更实际的入口是Pika自己的产品，官方说Flex会在11月2日上线到Pika的创作平台。