概览
Pika H3 Flex 是 Pika 于 2026 年 10 月 29 日发布的开放权重音视频生成模型，由 MiniMax H3（已收录）后训练而来，面向需要反复修改的专业创作者。它把采样步数从教师模型的 50 步压到 6 步，官方称在受控测试中生成一段 15 秒 768p 带音频片段的 Transformer 计算只要约 7 秒（不含端到端 API 延迟）；发布时在 DesignArena 文生视频榜上开放权重模型第 1、总榜第 7（以发布时快照为准）。支持文生视频、首帧 / 尾帧 / 首尾帧约束，以及最多 12 个参考文件（图片、视频、音频混用）的参考生成，可以用一张图定角色、一张图定场景、一段视频定动作，再用提示词说明每个参考的作用；也能保留原片的表演和镜头运动，只换服装、道具或场景。原生输出 480p / 768p、24 fps、5–15 秒、11 种画幅，带 32 kHz 立体声。通过 Pika API 还能把选中的草稿升到 1080p、2K 或 4K，拆出对白、配乐、音效、拟音、环境声 5 条音轨，或做提示词增强，这些托管功能不包含在开放权重中。开放内容为 Hugging Face 上两个 LoRA 适配器（FL2VA、Ref2VA）及 MiniMax-H3 基础组件，GitHub 提供推理代码，许可沿用 MiniMax H3 Community License Agreement。目前可通过 Pika API Club 使用，官方称 11 月 2 日上线 Pika 创作产品。来源：https://pika.art/blog/pika-h3-flex 、https://huggingface.co/Pika-Labs/Pika-H3-Flex 、https://github.com/Pika-Labs/Pika-H3-Flex 、https://dev.pika.art/models/pika/pika-h3-flex （2026-10-30 核对）。 定价：开放权重免费下载、自行部署（受 MiniMax H3 Community License Agreement 限制）；Pika API 按秒计费：文生视频、图生视频起价 $0.01 / 秒，参考生成起价 $0.03 / 秒，提示词增强 $0.02 / 次，音轨拆分 $0.001 / 秒，草稿升分辨率另计；不按 token 计费，输入 / 输出价留空。
- 模态
- 视频
- 许可说明
- 开源 · MiniMax H3 Community License Agreement
能力
- 音画同出：在 MiniMax H3 基础上后训练，6 步采样生成带同步立体声（32 kHz）的视频，原生 480p / 768p，24 fps，单段 5–15 秒，11 种画幅
- 五种生成模式：文生视频、首帧、尾帧、首尾帧约束（FL2VA 适配器），以及多模态参考生成（Ref2VA 适配器）
- 多参考输入：最多 12 个参考文件（最多 9 张图、3 段视频、3 段音频），可分别指定角色、场景、动作和声音；也可按原片保留表演和节奏，只替换服装、道具或场景
- Pika API 托管扩展：从草稿升到 1080p / 2K / 4K、拆出对白 / 配乐 / 音效 / 拟音 / 环境声 5 条音轨、提示词增强（这些不在开放权重里）
- 开放权重：Hugging Face 提供两个 FP32 LoRA 适配器（rank 128）和 Diffusers 格式的 MiniMax-H3 基础组件（约 210 GB），GitHub 提供推理代码（pip / Conda / Docker），单卡运行可选 CPU offload；许可 MiniMax H3 Community License Agreement