Pika lanza Pika H3 Flex, un modelo de vídeo con sonido de pesos abiertos basado en MiniMax H3
Pika pone a disposición para su descarga los adaptadores de Pika H3 Flex, un modelo que genera vídeo y sonido sincronizado en seis pasos, postentrenado sobre MiniMax H3. El modelo local genera a 480p o 768p; el 4K y las pistas de audio separadas se canalizan a través de la API de pago de Pika.
Pika ha publicado este jueves 29 de octubre, a las 18:37 hora de París, Pika H3 Flex, un modelo de generación de vídeo con sonido sincronizado cuyos pesos están disponibles para descargar desde el primer día en Hugging Face, junto con el código en GitHub y compatibilidad con diffusers y ComfyUI. Pika lo presenta como una herramienta de iteración rápida para creadores profesionales.
Un modelo derivado de MiniMax H3
Pika H3 Flex no es un modelo entrenado desde cero. Según el repositorio de GitHub, se trata de un postentrenamiento de MiniMax H3, distribuido en forma de dos adaptadores: uno para texto e imágenes de inicio o fin de plano, y otro para las referencias multimodales. Genera vídeo y su sonido estéreo en seis pasos de muestreo.
En local, el modelo produce en 480p o 768p, en 11 formatos de imagen, para clips de 5 a 15 segundos a 24 fotogramas por segundo. Admite hasta 12 referencias: 9 imágenes, 3 vídeos y 3 clips de audio.
Dos aspectos limitan su uso en un equipo personal:
- La licencia: los adaptadores se acogen al MiniMax H3 Community License Agreement y no a una licencia de código abierto tradicional; solo el código de inferencia está bajo Apache 2.0.
- El hardware: una GPU NVIDIA por petición, casos probados en una H100 de 80 GB y unos 210 GB de archivos base para descargar, además de 5,5 GB de adaptadores.
Lo que permanece en la oferta de pago
Las funciones más útiles en producción pasan por la API alojada de Pika: el reescalado a 1080p, 2K y 4K a partir de un borrador, la exportación de hasta cinco pistas de audio separadas (diálogos, música, efectos, foley, ambiente) y la mejora de «prompts». La API se factura por segundo de vídeo producido, a partir de 0,01 dólares por segundo en 480p durante el periodo de lanzamiento (0,02 dólares con la tarifa estándar). Los miembros del Pika API Club tienen derecho a 15 generaciones gratuitas al día hasta el 5 de noviembre.
Las cifras pendientes de comprobación
Pika asegura que su modelo puede generar un clip de 15 segundos en siete segundos y que es más rápido que H3 Max, puntualizando que estas mediciones se refieren al tiempo de cálculo del modelo y no al retardo de extremo a extremo. Asimismo, afirma que ocupa el 7.º puesto en calidad de vídeo en la clasificación de texto a vídeo de DesignArena, por delante de MiniMax H3 y H3 Max, y el primer puesto entre los modelos de pesos abiertos. La redacción no lo ha contrastado en DesignArena.
Nuestro análisis
Pika H3 Flex ilustra una estrategia cada vez más habitual en la generación de vídeo: abrir los pesos de un modelo base concebido como «borrador» para ganarse a la comunidad (ComfyUI, diffusers), mientras se reserva el acabado final (4K, pistas de audio por separado) para una API de pago. Para los estudios y desarrolladores representa un avance notable: un modelo de vídeo con sonido y multirreferencia que se puede ejecutar y afinar en local. Sin embargo, depende de la licencia de MiniMax, cuyas cláusulas conviene revisar antes de cualquier uso comercial, y exige una GPU propia de centro de datos. No es un modelo pensado para un ordenador portátil.
Fuentes
- Pika (X) — anuncio de Pika H3 Flex Fuente primaria
- Pika (X) — código, pesos, diffusers y ComfyUI Fuente primaria
- Pika — página de Pika H3 Flex (funciones y tarifas) Fuente primaria
- GitHub — Pika-Labs/Pika-H3-Flex Fuente primaria
- Hugging Face — Pika-Labs/Pika-H3-Flex Fuente primaria
Una fuente primaria procede directamente de la empresa, el laboratorio o la organización implicados. Una fuente secundaria recoge la información sin ser su autora: la señalamos como tal. ¿Has visto un error? Consulta nuestra política de correcciones.
