Pika 基于 MiniMax H3 推出 H3 Flex,六步去噪实现音视频联合生成并开源适配器权重
来源雷峰网查看原文
速览
- Pika 基于 MiniMax H3 推出 H3 Flex,开源适配器权重与推理代码。
- 六步去噪联合生成音视频,支持文本、首尾帧和多模态参考输入。
- 原生 480P/768P,生成约 5 至 15 秒视频及同步立体声。
- 两套 LoRA 适配器分别覆盖条件生成与多模态参考生成。
- PDMD 蒸馏将 50 步压缩至 6 步,适配器合并后不增加步数。
- 8 张 B300 GPU 上 5 秒 768P 音视频耗时从 3.409 秒降至 2.129 秒。
- API 提供 1080P、2K、4K 增强及五类音轨分离。
- DesignArena 文生视频榜单第八,为排名最高开源视频模型。
- MiniMax H3 开源一月下载超 2400 万次,衍生模型超 300 个。
Pika 发布基于 MiniMax H3 的衍生模型 Pika H3 Flex,开放两套 LoRA 适配器权重与推理代码。该模型通过六步去噪联合生成画面与声音,支持文本、首尾帧和多模态参考输入,原生输出 480P、768P,可生成约 5 至 15 秒视频及同步立体声音频。Pika 提供 ComfyUI 工作流和 Hugging Face Diffusers 接入方式。技术上,Pika 先在内部音视频数据集上对 MiniMax H3 做监督微调,再用投影分布匹配蒸馏(PDMD)把教师模型的 50 步去噪压缩到 6 步,并通过奖励反馈学习和直接偏好优化训练 LoRA 适配器。托管推理侧,使用 8 张 NVIDIA B300 GPU 生成 5 秒 768P 音视频的合计耗时从 3.409 秒降至 2.129 秒,约为原来的 1.6 倍。Pika 称 H3 Flex 在五项视觉和音频质量指标上均取得参评模型最高分,在 DesignArena 文生视频榜单排名第八,是该榜单排名最高的开源视频模型。
关键事实
- Pika 发布基于 MiniMax H3 的衍生模型 Pika H3 Flex,开放适配器权重与推理代码。
- 模型通过六步去噪联合生成画面和声音,支持文本、首尾帧和多模态参考输入。
- 原生支持 480P、768P 输出,可生成约 5 至 15 秒视频及同步立体声音频。
- 发布包含两套 LoRA 适配器,分别用于文本及首尾帧条件生成、多模态参考生成。
- Pika 采用投影分布匹配蒸馏(PDMD)将教师模型 50 步去噪压缩至 6 步。
- 使用 8 张 NVIDIA B300 GPU 生成 5 秒 768P 音视频,合计耗时从 3.409 秒缩短至 2.129 秒,约 1.6 倍加速。
本站视角
对国内做视频生成的团队和开发者来说,这件事的价值不在「又一个衍生模型」,而在它展示了一条可复制的路径:拿一个开源基座(MiniMax H3),用监督微调加 PDMD 蒸馏把步数压到 6 步,再用奖励反馈学习和 DPO 训练 LoRA 提升美学与指令遵循,最后把高分辨率增强和音轨分离留在自家 API 里收费。这意味着开源基座正在把「模型能力」商品化,差异化转移到后训练配方、推理加速和后期工具链上。Pika 公布的 1.6 倍加速和 DesignArena 第八名值得关注,但需要指出:对比评测由 Pika 自己发布,五项指标的具体名称、参评模型名单和评测方法原文均未披露,DesignArena 第八名也只是单一榜单结果,不能等同于全面领先。另外,六步蒸馏是否在复杂镜头和多模态参考输入下保持稳定,原文没有给出数据。对使用 API 的中小团队而言,真正的门槛可能不是模型本身,而是 1080P/2K/4K 增强与五类音轨分离这类后期能力是否被单一厂商锁定。我们认为,H3 生态的快速扩张说明开源基座加社区后训练的模式已经跑通,但衍生模型之间的质量差异会越来越大,选型时应看具体任务上的可复现结果,而不是发布方的自评榜单。
背景与影响
MiniMax H3 于今年 8 月开源,随后围绕不同场景出现了一批衍生模型:Running Hub 的 MiniMax H3 480P、fal 面向实时生成的 H3 Max 768P 与 H3 Max 480P、FastVideo 的 FastH3、英伟达与 MIT 联合的 StreamRender-H3 和 Open-H3-Regenerate-2K 等。海外开发者还基于 H3 衍生模型搭出 Twitch 直播、24 小时「AI 电视台」和 AI 短视频直播软件等玩法。H3 开源一个月内下载量超过 2400 万次,产生超过 300 个公开衍生模型,成为 2026 年全球下载量最高的模型之一。Pika 此次发布是这一衍生生态中的一环,其做法是把基础模型能力与自家后训练、蒸馏和托管服务打包,形成「本地开源 + API 增值」的分层产品。
本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。