Pika H3 Flex 正式发布（阅读约6分钟）

# 推出 Pika H3 Flex 来源：https://pika.art/blog/pika-h3-flex ## 推出 PIKA H3 FLEX 为专业创作迭代而生。 2026年10月29日 · Pika 团队 **你的第一版只是起点，真正的创作从后续迭代开始。** 今天，我们正式推出 **Pika H3 Flex**（https://dev.pika.art/models/pika/pika-h3-flex）：这是我们在 MiniMax H3 基础上进行后训练的模型，旨在为创意工作者提供更强的起点，以及对每一版迭代更多的控制力。 因为我们深知，创意工作者永远在反复试验、微调、打磨。找到最终满意的版本需要不断探索，工具应该为此提供足够的速度和掌控力。 因此我们打造了一个生成速度超越实时的模型。\* 它最多支持 12 个参考文件，可导出五路独立音轨，最终输出可达 4K 分辨率。同时我们开放了模型权重，你可以在模型本身之上进行二次开发。 ## 更多创作，更少等待 创意工作离不开不断尝试。换一个角度，换一个更出奇的角色，一个可能很糟糕但也可能非常惊艳的想法。 Pika H3 Flex 给你充分的探索空间。它最快仅需 7 秒 transformer 计算时间，就能生成一段 15 秒、768p 分辨率且音画同步的视频片段。\* 这意味着，从做出创意决定到看到结果之间的等待将大幅缩短。 我们对 MiniMax H3 进行了后训练，将生成步数从 50 步压缩至 6 步，然后在速度之上进一步优化了画质和创意可控性。截至本文撰写时，Flex 在 **DesignArena 文生视频榜单上排名开源权重模型第 1、总排名第 7**。 一段由 Pika H3 Flex 生成的多镜头叙事视频。 ## 带上参考素材，实现你的构想 文字提示可以描述一个想法，但有时直接展示会更直观。 带上草图、角色设定图、产品照片、情绪板、语音样本，或者你想要的动作参考视频。Flex 支持**最多 12 个参考文件**，可将图像、视频和音频融合到同一次生成中。 从一张图片取角色，从另一张取世界观，从一段视频取动作。告诉它每个参考素材应该贡献什么，然后按照你自己的创意方向来塑造最终结果。 一个由参考素材构建的针织风格游戏世界，角色和场景在整个序列中保持一致。 参考素材：主角、搭档、Boss、草地、Boss 战场、收集物和宝箱。 参考素材：主角、搭档、Boss、草地、Boss 战场、收集物和宝箱。 在生成之前先勾画镜头。将手绘关键帧与摄影参考结合，来引导一部混合媒介影片的构图、运镜和视觉风格。 炭笔走钢丝：手绘关键帧和摄影风格参考引导实拍表演穿越插画风格的景观。 炭笔走钢丝的输入素材：五个手绘关键帧和两个摄影风格参考。 参考素材：五个手绘关键帧和两个摄影风格参考。 产品图同样可以变成影片。使用你自己的图像来保持产品的外观一致性，同时尝试新的场景、镜头角度或视觉风格。 一张产品参考图，被重新演绎为一支多镜头唇彩广告。 ## 掌控镜头，随时改主意 你可以非常精确地指挥。 要求以俯拍开场，摇臂下移至桌面高度，然后甩镜、环绕运镜——全部在同一个片段内完成。用硬切、对白和音效来构建一个序列。用一段视频参考来引导舞蹈或运镜。 农场里的快速横移跟拍，穿过种植排的轨道推移，以及种植动作的特写。 你也可以带来想要的动作。一段参考视频可以引导编舞，同时你围绕它构建全新的角色和场景。 筒仓华尔兹：编舞来自一段动作参考视频，由一个全新角色在混凝土筒仓中演绎，并生成了全新的音效。 筒仓华尔兹的输入素材：源编舞和时间节奏。生成版本使用了全新的角色和场景。 当一个镜头中某部分效果不错时，可以使用参考引导编辑来修改不理想的部分。替换服装、道具，或更换主体周围的场景，同时指示 Flex 保留表演和时间节奏。 原始素材：需要保留的表演和运镜。 编辑后版本：在原始素材引导下，更换了场景和道具。 **持续迭代这个想法，同时掌控哪些部分发生改变。** ## 分轨音效，自由混音 一段出色的视频，有时仍然需要不同的混音。 Flex 生成的视频自带同步立体声音频。通过 Pika API，你还可以获取**五路独立音轨：对白、配乐、音效、拟音和环境音**。 降低音乐音量而不影响对白。单独处理音效。将音频导入你的剪辑工程中，完成属于自己的混音。 Cube Haircut——生成的视频及同步音频。 ## 快速草稿，4K 精修 先在 **768p** 分辨率下探索想法，再将满意的版本升级到 **1080p、2K 或 4K**。将精修留给最终选中的那一版。 Flex 原生支持 480p 或 768p 生成。Pika 的超分辨率模块将所选片段提升至高分辨率，在添加细节的同时保留生成内容的原貌。 768p 草稿。 基于同一次生成超分至 4K 的精修版本。 ## 开放权重，更多可能 创意控制权也应该延伸到模型本身。 我们开源了 **Flex 的生成器适配器和推理代码**，开发者和研究人员可以在自己的硬件上运行、定制模型，并在模型许可条款下围绕它构建新工具。 此次开源涵盖文生视频、首帧/尾帧生成以及多模态参考生视频，支持 480p 和 768p 分辨率的同步音频生成。 1080p、2K、4K 超分辨率模块、音轨分离、可选提示词增强以及加速推理服务栈均为 Pika 托管功能。本地运行性能取决于你的硬件和配置。 - 在 Hugging Face 下载权重（https://huggingface.co/Pika-Labs/Pika-H3-Flex）。 - 在 GitHub 获取代码和部署说明（https://github.com/Pika-Labs/Pika-H3-Flex）。 - 阅读 Flex 的技术构建博客（https://pika.art/blog/pika-h3-flex-research）。 ## 从一个想法开始，看看它能走多远 通过 Pika API Club（https://dev.pika.art/models/pika/pika-h3-flex）体验 Pika H3 Flex。从一个文字提示、一张图片或你自己的参考素材开始。生成几个方向，保留效果好的，打磨不满意的，最终完成你想分享的版本。 Flex 也将于 11 月 2 日登陆 Pika 创作产品（https://pika.art/）。 我们正在围绕创意工作者的真实工作方式构建 AI：不断探索、对比、修改，以及感知何时已经足够好了。 **Pika H3 Flex，为持续创作而生。** 展示你的作品。 —— Pika 团队 --- *\*「7 秒」衡量的是在受控基准环境下生成一段 15 秒 768p 视频片段所需的 transformer（DiT）计算时间，而非端到端 API 总延迟。参考输入、更高分辨率的精修、音轨分离、硬件和服务开销均会影响实际完成时间。榜单排名反映发布时的快照。*