Pika presenta H3 Flex, un modelo de vídeo y audio basado en MiniMax H3 con referencias multimodales, edición guiada y exportación de pistas de sonido separadas por API.
Pika ha anunciado H3 Flex, una versión posentrenada de MiniMax H3 pensada para generar y revisar clips con audio sincronizado. Acepta indicaciones de texto y, según el modo, referencias de imagen, vídeo y sonido; el máximo anunciado es de doce archivos de referencia.
Una vez creado un clip, la edición guiada por referencias permite cambiar elementos como el vestuario, un objeto o el escenario e intentar mantener la actuación y el ritmo de la toma. La intención es conservar la parte útil de una versión mientras se ajustan los detalles que no funcionan.
El modelo genera de forma nativa a 480p o 768p. Para terminar una versión seleccionada, el servicio de Pika puede ampliarla a 1080p, 2K o 4K. Por tanto, las salidas de 4K son reescaladas y no vídeo generado de forma nativa a esa resolución.
H3 Flex crea audio estéreo sincronizado. A través de la API de Pika se pueden solicitar cinco pistas separadas: diálogo, música, efectos, foley y ambiente. Esto facilita ajustar la mezcla en una herramienta de edición sin tratar todo el sonido como una sola pista.
Pika ha liberado adaptadores del generador y código de inferencia para las modalidades de texto a vídeo, fotogramas inicial y final, y referencias multimodales a vídeo. El reescalado a alta resolución, la separación de pistas y otros servicios acelerados permanecen alojados por Pika, sujetos a sus condiciones y precios.
El acceso inicial se realiza mediante Pika API Club. La llegada al producto de creación de Pika está prevista para el 2 de noviembre, por lo que no debe confundirse el anuncio del modelo con su disponibilidad en toda la interfaz habitual. La cifra promocionada de siete segundos para un clip de quince segundos mide solo el cálculo del transformador en una prueba controlada, no el tiempo total de respuesta de la API.
