Pika lança Pika H3 Flex, modelo de vídeo com áudio de pesos abertos baseado no MiniMax H3
A Pika disponibilizou para download os adaptadores do Pika H3 Flex, modelo que gera vídeo e som sincronizado em seis etapas, pós-treinado sobre o MiniMax H3. A versão local gera saídas em 480p ou 768p; o 4K e as faixas de áudio separadas dependem da API paga da Pika.
A Pika lançou nesta quinta-feira, 29 de outubro, às 18h37 (horário de Paris), o Pika H3 Flex, um modelo de geração de vídeo com som sincronizado cujos pesos estão disponíveis para download desde o primeiro dia no Hugging Face, com o código no GitHub e compatibilidade com o diffusers e o ComfyUI. A Pika o apresenta como uma ferramenta de iteração rápida para criadores profissionais.
Um modelo derivado do MiniMax H3
O Pika H3 Flex não é um modelo treinado do zero. Segundo o repositório no GitHub, trata-se de um pós-treinamento do MiniMax H3, distribuído na forma de dois adaptadores: um para texto e imagens iniciais ou finais de cena, e outro para referências multimodais. Ele gera vídeo e áudio estéreo em seis etapas de amostragem.
Localmente, o modelo produz em 480p ou 768p, em 11 formatos de tela, para clipes de 5 a 15 segundos a 24 quadros por segundo. Ele aceita até 12 referências: 9 imagens, 3 vídeos e 3 clipes de áudio.
Dois pontos limitam o uso em uma máquina pessoal:
- a licença: os adaptadores estão sob o MiniMax H3 Community License Agreement, e não sob uma licença open source tradicional; apenas o código de inferência está sob a Apache 2.0;
- o hardware: uma GPU NVIDIA por requisição, casos de teste avaliados em uma H100 de 80 GB, e cerca de 210 GB de arquivos-base para baixar, além de 5,5 GB de adaptadores.
O que permanece na oferta paga
Os recursos mais úteis para fluxos de produção exigem a API hospedada da Pika: o upscaling para 1080p, 2K e 4K a partir de um rascunho, a exportação de até cinco faixas de áudio separadas (diálogos, música, efeitos, foley, ambiente) e o aprimoramento de prompts. A API é cobrada por segundo de vídeo produzido, a partir de US$ 0,01 por segundo em 480p no valor de lançamento (US$ 0,02 no preço normal). Membros do Pika API Club têm direito a 15 gerações gratuitas por dia até 5 de novembro.
Os números a verificar
A Pika afirma que seu modelo pode gerar um clipe de 15 segundos em sete segundos e que é mais rápido que o H3 Max, detalhando que essas métricas consideram o tempo de computação do modelo, e não a latência total. A empresa também o coloca em 7º lugar em qualidade de vídeo no ranking de texto para vídeo da DesignArena, à frente do MiniMax H3 e do H3 Max, e como o primeiro entre os modelos de pesos abertos. Não verificamos esses dados na DesignArena.
Nossa leitura
O Pika H3 Flex ilustra uma estratégia cada vez mais comum na área de vídeo generativo: abrir os pesos de um modelo-base de “rascunho” para conquistar a comunidade (ComfyUI, diffusers), enquanto reserva a pós-produção e o acabamento (4K, faixas de áudio isoladas) para uma API paga. Para estúdios e desenvolvedores, representa um avanço real: um modelo de vídeo com som, suporte multirreferência, que pode ser executado e ajustado localmente. No entanto, ele permanece atrelado à licença da MiniMax, cujos termos exigem atenção antes de qualquer aplicação comercial, além de demandar uma GPU de data center. Não é uma ferramenta pensada para rodar em notebooks.
Fontes
- Pika (X) — anúncio do Pika H3 Flex Fonte primária
- Pika (X) — código, pesos, diffusers e ComfyUI Fonte primária
- Pika — página do Pika H3 Flex (recursos e preços) Fonte primária
- GitHub — Pika-Labs/Pika-H3-Flex Fonte primária
- Hugging Face — Pika-Labs/Pika-H3-Flex Fonte primária
Uma fonte primária vem diretamente da empresa, do laboratório ou da organização envolvida. Uma fonte secundária relata a informação sem ser a sua autora: nós a sinalizamos como tal. Encontrou um erro? Consulte nossa política de correções.
