Pika veröffentlicht Pika H3 Flex: Videomodell mit synchronisiertem Ton und offenen Gewichten auf Basis von MiniMax H3

Pika hat an diesem Donnerstag, den 29. Oktober, um 18:37 Uhr Pariser Zeit, Pika H3 Flex veröffentlicht: ein Modell zur Erzeugung von Videos mit synchronisiertem Ton, dessen Gewichte ab dem ersten Tag auf Hugging Face herunterladbar sind, zusammen mit dem Code auf GitHub sowie Unterstützung in diffusers und ComfyUI. Pika positioniert es als Werkzeug für schnelle Iterationen für professionelle Kreative.

Ein von MiniMax H3 abgeleitetes Modell

Pika H3 Flex ist kein von Grund auf neu trainiertes Modell. Laut dem GitHub-Repository handelt es sich um ein Nachtraining von MiniMax H3, das in Form von zwei Adaptern bereitgestellt wird: einer für Text sowie Start- und Endbilder einer Einstellung, der andere für multimodale Referenzen. Es generiert ein Video samt Stereoton in sechs Sampling-Schritten.

Lokal erzeugt das Modell 480p oder 768p in 11 Bildformaten für Clips von 5 bis 15 Sekunden bei 24 Bildern pro Sekunde. Es akzeptiert bis zu 12 Referenzen: 9 Bilder, 3 Videos und 3 Audioclips.

Zwei Punkte erschweren den Einsatz auf einem Heimrechner:

• die Lizenz: Die Adapter unterliegen dem MiniMax H3 Community License Agreement und nicht einer klassischen Open-Source-Lizenz; lediglich der Inferenzcode steht unter Apache 2.0;
• die Hardware: eine NVIDIA-GPU pro Anfrage, getestete Fälle auf einer H100 mit 80 GB und rund 210 GB an herunterzuladenden Basisdateien plus 5,5 GB an Adaptern.

Was im kostenpflichtigen Angebot verbleibt

Die für die Produktion nützlichsten Funktionen laufen über die gehostete API von Pika: das Hochskalieren auf 1080p, 2K und 4K ausgehend von einem Entwurf, der Export von bis zu fünf getrennten Tonspuren (Dialoge, Musik, Effekte, Geräusche, Atmosphäre) und die Optimierung von Prompts. Die API wird pro produzierter Videosekunde abgerechnet, ab 0,01 Dollar pro Sekunde in 480p zum Einführungspreis (0,02 Dollar zum Normaltarif). Mitglieder des Pika API Club haben bis zum 5. November Anspruch auf 15 kostenlose Generierungen pro Tag.

Die zu überprüfenden Zahlen

Pika gibt an, dass sein Modell einen 15-Sekunden-Clip in sieben Sekunden erzeugen kann und schneller als H3 Max sei, stellt jedoch klar, dass sich diese Messungen auf die reine Rechenzeit des Modells und nicht auf die Gesamtlaufzeit beziehen. Zudem beansprucht Pika Platz 7 bei der Videoqualität im Text-zu-Video-Ranking von DesignArena, vor MiniMax H3 und H3 Max, sowie den ersten Platz unter den Modellen mit offenen Gewichten. Wir haben dies auf DesignArena nicht nachgeprüft.