Pika H3 Flex ينتج فيديو بالذكاء الاصطناعي مدته 15 ثانية في 7 ثوانٍ

كشفت شركة Pika عن نموذج H3 Flex الذي تقول إنه قادر على توليد فيديو مدته 15 ثانية مع صوت متزامن في 7 ثوانٍ فقط. تحقق هذا الرقم في اختبارات بدقة 768p، أي أسرع بأكثر من مرتين من مدة المقطع نفسه.

يعتمد النموذج على MiniMax H3، مع تدريب إضافي لرفع السرعة وتسهيل تعديل المقاطع. وتقول Pika إنه أسرع في المتوسط بنحو 1.8 مرة من H3Max في مهام مماثلة. ويكمن السر في عدد خطوات إزالة الضوضاء: يستخدم النموذج الأساسي 50 خطوة، بينما ينفذ H3 Flex العملية في 6 خطوات فقط.

تحفظات مهمة

توضح Pika أن الثواني السبع تخص عمل المحوّل (transformer) المسؤول عن توليد الفيديو فقط، ولا تشمل معالجة الطلب وتجهيز المدخلات وفك الترميز ومعالجة الصوت ونقل الملف. لذلك قد يطول الانتظار الفعلي، خصوصًا عند استخدام مواد مرجعية.

تتراوح مدة المقاطع بين 5 و15 ثانية بمعدل 24 إطارًا في الثانية. ويدعم النموذج محليًا دقتي 480p و768p فقط، أما 1080p و2K و4K فتُنتج بالتكبير، وبالتالي ليست 4K أصلية.

التعديل والأوزان المفتوحة والتسعير

يقبل H3 Flex ما يصل إلى 12 ملفًا مرجعيًا في وقت واحد: 9 صور كحد أقصى و3 مقاطع فيديو و3 ملفات صوتية. يمكن بذلك تغيير المكان والإضاءة وحركة الكاميرا مع بقاء المنتج مميزًا، أو استبدال شخصية أو أداة في لقطة موجودة مع الحفاظ على الحركة الأصلية. ويمكن تصدير الناتج بخمسة مسارات صوتية منفصلة: الحوار والموسيقى والمؤثرات وأصوات الأفعال والأصوات المحيطة.

نشرت Pika الأوزان والشيفرة على GitHub وHugging Face. الشيفرة بترخيص Apache 2.0، أما الأوزان فتخضع لترخيص مجتمع MiniMax H3 المنفصل. وتبقى ميزات مثل التكبير إلى 4K وتصدير المسارات الصوتية حكرًا على الخدمة السحابية، كما يعتمد الأداء المحلي على العتاد.

النموذج متاح عبر Pika API Club، ومن المقرر وصوله إلى أداة Pika الرئيسية في 2 نوفمبر. السعر المعتاد 0.04 دولار للثانية بدقة 768p، أي 0.60 دولار لمقطع من 15 ثانية، مع خصم 50% في عرض الإطلاق. وفي 4K يبلغ السعر 0.16 دولار للثانية، أي 2.40 دولار للمقطع الأقصى.