近日，Pika 發布了基於 MiniMax H3 嘅衍生模型 Pika H3 Flex，並一併開放 LoRA 適配器權重同推理代碼。呢個模型透過六步去噪（denoising）同時生成畫面同聲音，支援文本、首尾幀同多模態參考輸入，主要俾創作者做鏡頭設計、參考生成同影片剪輯。
本次發布包括兩套 LoRA 適配器（LoRA 係一種輕量微調技術），分別負責文本／首尾幀條件生成同多模態參考生成，另提供 MiniMax H3 基礎組件同本機推理工具。模型原生支援 480P、768P 輸出，可生成約 5 至 15 秒嘅影片及同步立體聲音頻。Pika 仲提供 ComfyUI 工作流程同 Hugging Face Diffusers 接駁，方便開發者接入現有創作工具鏈。
本機生成之外，Pika 亦可以 API 方式提供 1080P、2K、4K 影片增強，以及音頻分軌功能。創作流程先低解析度生成、篩選草稿，再將選定版本推高至高分辨率；同步生成嘅聲音可拆分成對白、配樂、音效、擬音、環境聲五類獨立音軌，方便後期個別調整。高分辨率增強同音頻分軌均由 Pika API 提供。
技術上，Pika 技術博客指，團隊先在內部音視頻數據集對 MiniMax H3 做監督微調，再用投影分佈匹配蒸餾（PDMD）將教師模型嘅 50 步去噪壓縮到 6 步；其後以獎勵反饋學習同直接偏好優化訓練 LoRA 適配器，改善美學質量、清晰度同指令跟隨。適配器合併到推理後唔會增加生成步數。
部署方面，Pika 對託管推理服務做了加速：在保持權重同六步採樣不變嘅測試中，用 8 張 NVIDIA B300 GPU 生成一段 5 秒 768P 音視頻，條件編碼、去噪、解碼嘅總耗時由 3.409 秒縮短到 2.129 秒，處理速度約為原來嘅 1.6 倍。
Pika 公佈嘅對比評測指，H3 Flex 喺五項視覺同音頻質量指標上喺受評模型中取得最高分，並喺 DesignArena 文生視頻榜單排第八，係該榜單上排名最高嘅開源視頻模型。
呢個係 MiniMax H3 今年 8 月開源後嘅又一個衍生方向。此前已有 Running Hub、fal（H3 Max 768P／480P）、FastVideo（FastH3）、英偉達同 MIT（StreamRender-H3）等合作項目，海外開發者仲有 Twitch 直播、24 小時「AI 電視台」同 AI 短視頻直播軟件等玩法。H3 開源一個月內下載量已超 2400 萬次，衍生出超過 300 個公開衍生模型，成為 2026 年全球下載量最高嘅模型之一。
阿調搞兩下：開源生態嘅玩法已經唔係跑分你死我活，而係圍繞同一個底座做場景化分化，呢個趨勢值得留意。但 1.6 倍加速、五項指標最高分呢啲，全部都係廠商自己講嘅，讀者要留意邊個數字有第三方覆核。
阿調｜深度調教
