Pika publie Pika H3 Flex, un modèle vidéo avec son à poids ouverts, construit sur MiniMax H3
Pika met en téléchargement les adaptateurs de Pika H3 Flex, un modèle qui génère vidéo et son synchronisé en six étapes, post-entraîné sur MiniMax H3. Le modèle local sort en 480p ou 768p ; la 4K et les pistes audio séparées passent par l'API payante de Pika.
Pika a publié ce jeudi 29 octobre, à 18 h 37 heure de Paris, Pika H3 Flex, un modèle de génération de vidéo avec son synchronisé dont les poids sont téléchargeables dès le premier jour sur Hugging Face, avec le code sur GitHub et une prise en charge dans diffusers et ComfyUI. Pika le présente comme un outil d’itération rapide pour les créateurs professionnels.
Un modèle dérivé de MiniMax H3
Pika H3 Flex n’est pas un modèle entraîné de zéro. Selon le dépôt GitHub, il s’agit d’un post-entraînement de MiniMax H3, distribué sous forme de deux adaptateurs : l’un pour le texte et les images de début ou de fin de plan, l’autre pour les références multimodales. Il génère une vidéo et son son stéréo en six étapes d’échantillonnage.
En local, le modèle produit du 480p ou du 768p, dans 11 formats d’image, pour des clips de 5 à 15 secondes à 24 images par seconde. Il accepte jusqu’à 12 références : 9 images, 3 vidéos et 3 clips audio.
Deux points freinent l’usage sur une machine personnelle :
- la licence : les adaptateurs relèvent de la MiniMax H3 Community License Agreement, et non d’une licence open source classique ; seul le code d’inférence est sous Apache 2.0 ;
- le matériel : un GPU NVIDIA par requête, des cas testés sur un H100 de 80 Go, et environ 210 Go de fichiers de base à télécharger, plus 5,5 Go d’adaptateurs.
Ce qui reste dans l’offre payante
Les fonctions les plus utiles en production passent par l’API hébergée de Pika : la montée en 1080p, 2K et 4K à partir d’un brouillon, l’export de jusqu’à cinq pistes audio séparées (dialogues, musique, effets, bruitages, ambiance) et l’amélioration des prompts. L’API est facturée à la seconde de vidéo produite, à partir de 0,01 dollar par seconde en 480p au prix de lancement (0,02 dollar au tarif normal). Les membres du Pika API Club ont droit à 15 générations gratuites par jour jusqu’au 5 novembre.
Les chiffres à vérifier
Pika affirme que son modèle peut produire un clip de 15 secondes en sept secondes et qu’il est plus rapide que H3 Max, en précisant que ces mesures portent sur le temps de calcul du modèle et non sur le délai total. Il le dit aussi 7e en qualité vidéo sur le classement texte-vers-vidéo de DesignArena, devant MiniMax H3 et H3 Max, et premier des modèles à poids ouverts. Nous ne l’avons pas vérifié sur DesignArena.
Notre lecture
Pika H3 Flex illustre une stratégie qui se répand dans la vidéo générée : ouvrir les poids d’un modèle de base « brouillon » pour gagner la communauté (ComfyUI, diffusers), tout en gardant la finition (4K, pistes audio séparées) dans une API payante. Pour les studios et les développeurs, c’est une vraie avancée : un modèle vidéo avec son, multiréférence, que l’on peut faire tourner et ajuster chez soi. Mais il dépend de la licence de MiniMax, dont il faut lire les conditions avant tout usage commercial, et il réclame un GPU de centre de données. Ce n’est pas un modèle pour un ordinateur portable.
Sources
- Pika (X) — annonce de Pika H3 Flex Source primaire
- Pika (X) — code, poids, diffusers et ComfyUI Source primaire
- Pika — page Pika H3 Flex (fonctions et tarifs) Source primaire
- GitHub — Pika-Labs/Pika-H3-Flex Source primaire
- Hugging Face — Pika-Labs/Pika-H3-Flex Source primaire
Une source primaire émane directement de l'entreprise, du laboratoire ou de l'organisme concerné. Une source secondaire rapporte l'information sans en être l'auteur : nous la signalons comme telle. Une erreur ? Consultez notre politique de correction.
