创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

Pika开源H3 Flex音视频模型

AI 总结

Pika发布基于MiniMax H3的开放权重衍生模型Pika H3 Flex,提供两套LoRA适配器、推理代码、基础组件、本地工具,以及ComfyUI和Hugging Face Diffusers接入。该模型通过六步去噪联合生成画面与声音,支持文本、首尾帧和多模态参考输入,原生输出480P或768P、约5至15秒的视频及同步立体声音频。

深度见解

该发布让开发者可通过开放权重在本地进行音视频联合生成;据Pika介绍,其方法将教师模型的50步去噪压缩至六步。

近日,Pika 发布 MiniMax H3 衍生模型 Pika H3 Flex,并开放适配器权重与推理代码。该模型通过六步去噪联合生成画面和声音,支持文本、首尾帧和多模态参考输入,供创作者进行镜头设计、参考生成和视频编辑。

本次发布包含两套 LoRA 适配器,分别用于文本及首尾帧条件生成、多模态参考生成,同时提供 MiniMax H3 基础组件和本地推理工具。模型原生支持 480P、768P 输出,可生成约 5 至 15 秒的视频及同步立体声音频。Pika 提供 ComfyUI 工作流和 Hugging Face Diffusers 接入方式,方便开发者将其加入现有创作工具。

在本地生成之外,Pika 可通过 API 提供 1080P、2K 和 4K 视频增强,以及音频分轨功能。创作者可以先以较低分辨率生成和筛选草稿,再对选定版本进行高分辨率处理;同步生成的声音则可拆分为对白、配乐、音效、拟音和环境声五类独立音轨,方便在后期分别调整。高分辨率的增强视频和音频分轨则由 Pika API 服务提供。

#Pika#Pika H3 Flex#MiniMax H3#NVIDIA B300#ComfyUI#Hugging Face Diffusers

原文约 2 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。