Pika H3 Flex создаёт 15-секундное ИИ-видео за 7 секунд
Новая модель Pika H3 Flex на базе MiniMax H3, по данным компании, делает 15-секундный ролик со звуком за 7 секунд, но эта цифра охватывает лишь часть процесса.
SUMO· числовая головоломка
Dialo· учите языки, разговаривая
ediviewer· читайте EDI-файлы как документыКомпания Pika представила модель H3 Flex, которая, по её словам, генерирует 15-секундное видео с синхронизированным звуком всего за 7 секунд. Результат получен в тестах при разрешении 768p, то есть более чем вдвое быстрее длительности самого ролика.
Модель построена на MiniMax H3, но дополнительно обучена ради скорости и удобства правок. В сопоставимых задачах она в среднем примерно в 1,8 раза быстрее H3Max, утверждает Pika. Ключ к скорости — число шагов шумоподавления: базовая модель использует 50, H3 Flex только 6.
Оговорки
Pika подчёркивает, что 7 секунд относятся лишь к работе трансформера, генерирующего видео. Обработка запроса, подготовка данных, декодирование, работа со звуком и доставка файла в это время не входят. С референсами реальное ожидание может быть дольше.
Длительность роликов — от 5 до 15 секунд при 24 кадрах в секунду. Нативно модель работает в 480p и 768p, а 1080p, 2K и 4K получаются масштабированием, так что это не нативное 4K.
Редактирование, открытые веса и цены
H3 Flex принимает до 12 файлов одновременно: не более 9 изображений, 3 видео и 3 аудио. Можно сменить окружение, свет и движение камеры, сохранив узнаваемый товар, либо заменить персонажа или предмет в готовом кадре с сохранением хореографии. Результат экспортируется с пятью отдельными звуковыми дорожками: диалоги, музыка, эффекты, звуки действий и фоновые шумы.
Pika опубликовала веса и код на GitHub и Hugging Face. Код распространяется по лицензии Apache 2.0, веса — по отдельной лицензии сообщества MiniMax H3. Масштабирование до 4K и экспорт дорожек доступны только в веб-сервисе, а локальная скорость зависит от оборудования.
Модель доступна через Pika API Club, в основном инструменте Pika её обещали добавить 2 ноября. Секунда видео в 768p стоит 0,04 доллара, то есть 15 секунд — 0,60 доллара; по акции запуска цена вдвое ниже. Для 4K тариф — 0,16 доллара за секунду, или 2,40 доллара за максимальный ролик.
Приложения, на которые стоит взглянуть
SUMO: числовая головоломкаВыбирайте нужные клетки, складывайте, достигайте цели. Легко понять, сложно освоить. Бесплатно, для любого возраста.
Dialo: учите языки, разговариваяОбщайтесь с ИИ-собеседником: каждая фраза возвращается исправленной и объяснённой на вашем языке. 9 языков, от A1 до C2.
ediviewer: читайте EDI-файлы как документыОткрывайте сообщения EDIFACT и X12, каждый сегмент объяснён, конвертация в JSON/XML, экспорт в PDF и Excel. Работает локально, без загрузки.
Ещё за этот день
Показать все →
Режим ИИ в Google приносит меньше денег, и в ответах станет больше рекламы
CoreWeave и Nebius: главным тормозом ИИ стали дорогие деньги
Guardia Civil купила за 2,5 млн евро систему удалённого доступа к телефонам
