近日，Pika 发布 MiniMax H3 衍化模型Pika H3Flex，并打开适配器的权重和推理代码。该模型通过六步降噪生成图片和声音，支持文本、头、尾帧和多模态参考输入，供创作者进行镜头设计、参考生成和视频编辑。
本次发布包括两套 LoRA 适配器分别用于文本和头尾帧条件的生成、多模态参考的生成，并提供 MiniMax H3 基本组件和本地推理工具。模型原生支持。 480P、768P 导出，可生成约 5 至 15 秒视频和同步环绕声音频。Pika 提供 ComfyUI 工作流和 Hugging Face Diffusers 接入方式，方便开发者将其添加到当前的创作工具中。
除当地生成外，Pika 可通过 API 提供 1080P、2K 和 4K 视频增强和音频分轨功能。创作者可以先以较低的分辨率生成和选择手稿，然后对所选版本进行高分辨率处理；同步声可分为对话、配乐、音效、拟音和环境声五类，便于后续调整。高分辨率的增强视频和音频分轨由Pika组成提供API服务。
Pika 在技术博客中，团队首先在内部音视频数据中介绍 MiniMax H3 监管微调，再采用投影分布匹配蒸馏（PDMD），将老师模型 50 步去噪音压缩到 6 步骤。然后，团队通过奖励反馈学习和直接偏好优化训练 LoRA 适配器，提高审美质量、清晰度和指令遵循。适配器合并用于推理后，无需增加生成步骤。
Pika 还加快了代管推理服务。在保证模型权重和六步取样方案不变的检测中，采用了模型权重和六步取样方案 8 张 NVIDIA B300 GPU 生成一段 5 秒、768P 音视频、条件编码、去噪解码的总耗时从 3.409 秒缩短至 2.129 秒，响应速度约为原来的秒， 1.6 倍。
在视觉和音频表现方面，Pika 根据公布的比较评价数据，H3 Flex 在五个视觉和音频质量指标中，在参评模型中获得最高分，并在五个视觉和音频质量指标中获得最高分 DesignArena 在文生视频榜上获得第八名，是该榜单下排名最高的开源视频模型。
今年 8 月，MiniMax H3 开源后，MiniMax 围绕不同的应用场景，与合作企业继续实践和优化模型，并在社区内开放，包括与合作企业合作， Running Hub 打造 MiniMax H3 480P；与 fal 选择面向即时生成做后练习和推理改进，推出了 H3 Max 768P、H3Max 480P；以及 FastVideo 通过稀疏化和硬件适应推出 FastH3、英伟达与 MIT 联合围绕 H3 的研发 StreamRender-H3、Open-H3-Regenerate-2K 等等，海外开发者围绕各种模型等， H3衍化模型搭建 Twitch 直播、24 小时“AI 电视台和人工智能短视频聊天软件等创新玩法。
H3 开源一个月内下载量已超过 2400 万次，产生超过 300 公开衍化模型，变成公开衍化模型，变成公开衍化模型 2026 世界上下载量最高的模型之一。
免责声明：网站内容仅作资讯展示，不构成各类业务指导建议。访问者应当自行甄别信息，审慎评估风险，因使用本站信息产生的相关后果由使用者自行承担。本站尊重各方知识产权，如有侵权内容，可联系站长进行处理。