Dials:14KB 提示方向控制文件,支持 MiniMax H3 与 Pika H3 Flex
Dials 将一对提示词编码成约 14KB 的方向控制文件,可在 MiniMax H3 与 Pika H3 Flex 上像滑块一样调节生成方向,无需训练、参考图或额外渲染。
Dials 将一对提示词编码成约 14KB 的方向控制文件,可在 MiniMax H3 与 Pika H3 Flex 上像滑块一样调节生成方向,无需训练、参考图或额外渲染。
英伟达技术团队与 Pika 分别基于 MiniMax 开源视频模型 H3 推出 Open-H3-Regenerate-2K 和 Pika H3 Flex,H3 成为海外公司继续研发的底座。
作者分享了一个 ComfyUI 工作流,用 MiniMax H3 Singularity V2 与 Pika H3 LoRA 在 6 步内生成 0.6MP 视频,再经再生式 2K 超分增强到 Full HD。总生成加超分时间约 1 小时,最终分辨率 1920×1080,6GB 显存可运行。作者附上了所需 LoRA、自定义节点和工作流链接。
Pika H3 Flex 的 6 步 lcm 设置比 30 步基础采样快约 4.8 倍,同种子下渲染时间从 27.4 分钟降至 5.7 分钟。该 LoRA 为蒸馏模型,模板的 6 步 lcm 调度就是为其设计的。测试在 ComfyUI 0.43 与 RTX 4090 上进行,输入为 Qwen-Image 2.1 生成的 1344×768 静态图,输出 226 帧(9.4s @ 24fps)。
作者从制作现场视角验证Pika H3 Flex,指出官方性能不能直接等同于实际可用性,人物一致性、音声分轨与4K超分需分开评估。H3 Flex基于MiniMax H3,支持最多12个参照素材与5种音声分轨,480p/768p生成后可超分至1080p/2K/4K,但4K是超分而非原生生成。
Pika H3 Flex 现已接入 ComfyUI,支持 T2V、R2V 与 FL2VA 工作流,可在同一节点图内完成草稿到 4K 成片。该模型渲染 15 秒 768p 带音频片段不到 10 秒,支持最多 12 个参考输入与 5 个独立音频分轨,在 Design Arena 文本到视频榜位列第 7。
Pika 发布 H3 Flex,将 MiniMax H3 后训练并蒸馏至六步采样,开源权重与 ComfyUI 模板。模型以两个 LoRA 适配器加载于 H3 基座,支持文本到视频、首尾帧及参考条件生成,输出 480p/768p、5-15 秒并混入 32kHz 立体声音频。Pika 自评在五项视觉与音频质量指标上领先对比模型,社区实测提示四步时高频细节出现闪烁,建议保持六步。
Pika 发布 H3 Flex,成为 DesignArena t2v 榜单第一的开源权重模型。该模型支持导出音频分轨、最高 4K 分辨率与快于实时生成,15 秒带音轨片段最快 7 秒生成。
Pika 发布 H3 Flex 视频生成模型,基于 MiniMax-H3 后训练,六步采样生成带同步立体声的视频。本地开源推理支持 480p/768p、24fps、5-15 秒,API 可生成 1080p/2K/4K 并支持音频分离与提示增强;Ref2VA 模式支持最多 12 个参考输入。
Pika 宣布 Kling 4.0 上线其平台,支持全参考、多关键帧与最长 30 秒生成。Pika 称这是 Kling 控制力最强的一次更新,用户可制作脑海中构思的场景。
Pika 发布新版产品与 Camera Director 应用,上传一段视频即可生成一整套替代镜头,并保持原片段的运动与表演。官方称新版 Pika 是面向创作者的 AI 创作平台,强调简单、全面,并面向高标准的输出需求。