Pika H3 Flex、15秒のAI動画を7秒で生成と発表

7秒には条件がある

Pikaは、7秒がビデオ生成を担うトランスフォーマーの処理時間に限られると明記している。リクエストの処理、入力の準備、デコード、音声処理、ファイル転送は含まれない。実際の待ち時間は、参照素材の使用や高解像度の選択でさらに延びる可能性がある。

動画の長さは5〜15秒、フレームレートは24fps。出力は最大4Kだが、ネイティブ対応は480pと768pのみで、1080p、2K、4Kは完成した映像のアップスケールで作られる。

参照素材と音声トラック

最大12ファイル（画像9、動画3、音声3）を同時に入力でき、商品画像やキャラクター設定、カメラの動き、声のサンプルなどを使って新しい映像を組み立てられる。複数ショットのシーケンスも作成でき、会話、音楽、効果音を含む。台詞、音楽、効果音、動作音、環境音の5トラックを個別に書き出せるため、全体を作り直さず調整できる。

重みとコードはGitHubとHugging Faceで公開された。コードはApache 2.0だが、重みにはMiniMax H3の別のコミュニティライセンスが適用される。4Kへのスケーリングや音声トラックの分離出力は、同社のウェブサービス限定だ。

料金

Pika API Clubで提供中で、主力のPikaツールへの導入は11月2日と案内されている。768pの通常料金は1秒0.04ドルで、15秒なら0.60ドル。発売記念で半額となる。4K出力は1秒0.16ドル、15秒で2.40ドルだ。