Pika rilascia Pika H3 Flex, un modello video con audio a pesi aperti basato su MiniMax H3
Pika rende disponibili per il download gli adattatori di Pika H3 Flex, un modello che genera video e audio sincronizzato in sei passaggi, post-addestrato su MiniMax H3. Il modello locale produce output in 480p o 768p; il 4K e le tracce audio separate richiedono l'API a pagamento di Pika.
Pika ha pubblicato questo giovedì 29 ottobre, alle 18:37 ora di Parigi, Pika H3 Flex, un modello di generazione video con audio sincronizzato i cui pesi sono scaricabili fin dal primo giorno su Hugging Face, con il codice su GitHub e il supporto integrato in diffusers e ComfyUI. Pika lo presenta come uno strumento di iterazione rapida per i creatori professionisti.
Un modello derivato da MiniMax H3
Pika H3 Flex non è un modello addestrato da zero. Secondo il repository GitHub, si tratta di un post-addestramento di MiniMax H3, distribuito sotto forma di due adattatori: uno per il testo e le immagini iniziali o finali dell’inquadratura, l’altro per i riferimenti multimodali. Genera un video e il relativo audio stereo in sei passaggi di campionamento.
In locale, il modello produce file in 480p o 768p, in 11 proporzioni d’aspetto, per clip da 5 a 15 secondi a 24 fotogrammi al secondo. Supporta fino a 12 riferimenti: 9 immagini, 3 video e 3 clip audio.
Due elementi frenano l’utilizzo su un computer personale:
- la licenza: gli adattatori ricadono sotto la MiniMax H3 Community License Agreement, e non sotto una classica licenza open source; solo il codice di inferenza è rilasciato con Apache 2.0;
- l’hardware: una GPU NVIDIA per richiesta, configurazioni di test basate su una H100 da 80 GB, e circa 210 GB di file di base da scaricare, oltre a 5,5 GB di adattatori.
Cosa resta nell’offerta a pagamento
Le funzioni più utili in produzione passano attraverso l’API ospitata di Pika: l’upscaling in 1080p, 2K e 4K a partire da una bozza, l’esportazione di fino a cinque tracce audio separate (dialoghi, musica, effetti, rumoristica, ambiente) e l’ottimizzazione dei prompt. L’API viene fatturata al secondo di video generato, a partire da 0,01 dollari al secondo in 480p al prezzo di lancio (0,02 dollari a tariffa normale). I membri del Pika API Club hanno diritto a 15 generazioni gratuite al giorno fino al 5 novembre.
I dati da verificare
Pika afferma che il suo modello è in grado di produrre una clip di 15 secondi in sette secondi e che risulta più veloce di H3 Max, precisando che queste misurazioni riguardano il tempo di calcolo del modello e non la latenza complessiva. Sostiene inoltre che si posizioni al 7º posto per qualità video nella classifica text-to-video di DesignArena, davanti a MiniMax H3 e H3 Max, e al primo posto tra i modelli a pesi aperti. Neural Brew non lo ha verificato su DesignArena.
La nostra lettura
Pika H3 Flex illustra una strategia sempre più diffusa nel video generativo: aprire i pesi di un modello di base «bozza» per conquistare la community (ComfyUI, diffusers), mantenendo al contempo la fase di rifinitura (4K, tracce audio separate) all’interno di un’API a pagamento. Per gli studi e gli sviluppatori si tratta di un reale passo avanti: un modello video con audio, multi-riferimento, che è possibile eseguire e perfezionare in locale. Tuttavia, dipende dalla licenza di MiniMax, di cui occorre verificare attentamente le condizioni prima di qualsiasi uso commerciale, e richiede una GPU da data center. Non è decisamente un modello pensato per un computer portatile.
Fonti
- Pika (X) — annuncio di Pika H3 Flex Fonte primaria
- Pika (X) — codice, pesi, diffusers e ComfyUI Fonte primaria
- Pika — pagina Pika H3 Flex (funzionalità e tariffe) Fonte primaria
- GitHub — Pika-Labs/Pika-H3-Flex Fonte primaria
- Hugging Face — Pika-Labs/Pika-H3-Flex Fonte primaria
Una fonte primaria proviene direttamente dall'azienda, dal laboratorio o dall'ente interessato. Una fonte secondaria riporta l'informazione senza esserne l'autrice: la segnaliamo come tale. Un errore? Consulta la nostra politica di rettifica.
