Modelo de generación de vídeo con audio sincronizado de Pika, creado a partir de MiniMax H3 con un postentrenamiento que reduce la generación a seis pasos en lugar de 50.
Está pensado para iterar rápido: según Pika, genera un clip de 15 segundos a 768p con banda sonora en apenas siete segundos de cómputo, admite hasta 12 referencias de imagen, vídeo y audio, y permite exportar el sonido en pistas separadas. Pika afirma que, en el momento del lanzamiento, era el primer modelo de pesos abiertos en la clasificación de texto a vídeo de DesignArena.
Disponible en la plataforma de creación de Pika y por API a través del Pika API Club. Los adaptadores y el código de inferencia (texto a vídeo, primer y último fotograma y vídeo a partir de referencias, a 480p y 768p con audio) se pueden descargar en Hugging Face y GitHub bajo la licencia MiniMax H3 Community License. El reescalado a 1080p, 2K y 4K y la separación en pistas de audio solo están en el servicio de Pika.
Vídeos de hasta 15 segundos con audio estéreo sincronizado; generación nativa a 480p o 768p con reescalado hasta 4K; hasta cinco pistas de audio por API (diálogo, música, efectos, foley y ambiente); escenas con varios planos y control de cámara.
-
20:31
Llega a la plataforma de creación de Pika
Pika H3 Flex ya se puede usar en pika.art; los suscriptores de los planes Creator y Fancy tienen 15 generaciones gratis al día hasta el 15 de noviembre.
