Pika H3 Flex generuje 15 sekund wideo AI w 7 sekund
Nowy model Pika H3 Flex, oparty na MiniMax H3, ma wygenerować 15-sekundowy film z dźwiękiem w 7 sekund. Wynik dotyczy jednak tylko części procesu.
Firma Pika zaprezentowała model H3 Flex, który według producenta potrafi wygenerować 15-sekundowy film z zsynchronizowanym dźwiękiem w zaledwie 7 sekund. Wynik osiągnięto w testach w rozdzielczości 768p. To ponad dwukrotnie szybciej niż trwa samo nagranie.
Model bazuje na MiniMax H3, ale został dodatkowo wytrenowany pod kątem szybkości i edycji materiałów. Pika porównuje go z H3Max i twierdzi, że w zbliżonych zadaniach jest średnio około 1,8 razy szybszy. Kluczem jest mniejsza liczba kroków odszumiania: bazowy model potrzebuje ich 50, H3 Flex tylko 6.
Haczyki: czas i rozdzielczość
Pika zaznacza, że 7 sekund dotyczy wyłącznie pracy transformera generującego wideo. Nie obejmuje obsługi żądania, przygotowania danych, dekodowania, przetwarzania dźwięku ani przesłania pliku. Realny czas oczekiwania może więc być dłuższy, zwłaszcza przy materiałach referencyjnych.
Filmy trwają od 5 do 15 sekund przy 24 klatkach na sekundę. Natywnie model obsługuje 480p i 768p, a 1080p, 2K i 4K powstają przez skalowanie, więc nie jest to natywne 4K.
Edycja, otwarte wagi i cennik
H3 Flex przyjmuje do 12 plików referencyjnych naraz: maksymalnie 9 obrazów, 3 nagrania wideo i 3 pliki audio. Pozwala to zmienić scenerię, oświetlenie, ruch kamery, a nawet postać czy rekwizyt przy zachowaniu choreografii. Gotowy materiał można wyeksportować z 5 osobnymi ścieżkami audio: dialogami, muzyką, efektami, dźwiękami czynności i odgłosami otoczenia.
Pika udostępniła wagi i kod na GitHubie oraz w Hugging Face. Kod objęto licencją Apache 2.0, a wagi licencją społecznościową MiniMax H3. Skalowanie do 4K i eksport ścieżek audio pozostają funkcjami usługi online, a lokalna wydajność zależy od sprzętu.
Model jest dostępny przez Pika API Club, a w głównym narzędziu Pika ma pojawić się 2 listopada. Sekunda wideo w 768p kosztuje regularnie 0,04 dolara, czyli 0,60 dolara za 15 sekund, a w promocji premierowej połowę tej kwoty. W 4K stawka to 0,16 dolara za sekundę, czyli 2,40 dolara za maksymalny film.
Aplikacje warte uwagi
SUMO: łamigłówka liczbowaWybierz właściwe pola, dodaj je i trafiaj w cel. Łatwa do nauczenia, trudna do opanowania. Za darmo, dla każdego wieku.
Dialo: ucz się języków, mówiącRozmawiaj z partnerem AI; każde zdanie wraca poprawione i wyjaśnione w Twoim języku. 9 języków, od A1 do C2.
ediviewer: czytaj pliki EDI jak dokumentyOtwieraj komunikaty EDIFACT i X12, każdy segment objaśniony, konwersja do JSON/XML, eksport PDF i Excel. Działa lokalnie, bez wysyłania.
Więcej z tego dnia
Zobacz wszystkie →
Tryb AI w Google zarabia mniej, więc w odpowiedziach pojawi się więcej reklam
CoreWeave i Nebius: tanie pieniądze nowym hamulcem rozwoju AI
Guardia Civil kupuje za 2,5 mln euro system do zdalnego dostępu do telefonów
