Pika 发布 H3 Flex：开放权重的视频模型，可拆出 5 条音频分轨、最高放大到 4K
Pika 推出基于 MiniMax H3 后训练的视频模型 H3 Flex，单条 5-15 秒、自带同步立体声，最多接收 12 个参考素材；托管 API 可把配音、配乐、音效、拟音、环境声拆成 5 条 WAV 分轨，并从 768p 草稿放大到 4K。模型权重已放到 Hugging Face，本地版支持 480p/768p。
据 Pika 官方博客和产品页介绍，Pika 于 10 月 29 日（美国时间）发布了新视频模型 Pika H3 Flex。官方说明它是在 MiniMax H3 基础上做的后训练，主打「快速试错、反复迭代」，并同步开放了模型权重。
按官方给出的规格，主要能力包括：
- 生成方式：文生视频、首尾帧图生视频、多素材参考生成，以及基于参考和提示词的视频编辑；单条 5-15 秒、24fps，自带同步立体声。
- 参考素材：一次最多 12 个，包括最多 9 张图、3 段视频和 3 段音频，可用来锁定角色、镜头运动和声音。
- 音频分轨：通过 Pika 的托管 API，可以额外导出对白、配乐、音效、拟音和环境声 5 条独立 WAV 分轨，后期可以单独调音量或重新混音。
- 先草稿后精修：模型原生生成 480p 或 768p，选中满意的版本后再用放大器升到 1080p、2K 或 4K。
- 画幅：从 21:9 到 9:21 共 11 种比例，竖屏 9:16 也在内。
开放权重部分，官方在 Hugging Face 放出了生成器适配器和推理代码，本地可跑 480p/768p 带混合立体声的生成；4K 放大、音频分轨和提示词增强属于 Pika 托管服务，本地速度也取决于自己的硬件。官方称托管版本生成速度快于实时，15 秒带配乐的片段最快几秒出片，具体以实际使用为准。
对创作者意味着什么： 音频分轨这个功能很实用：以往 AI 视频生成的声音是一整条混好的音轨，配乐太吵或者想换音乐只能整条重来，现在可以只调其中一轨。「768p 先试、满意再放大」的流程也更省钱省时间。开放权重主要对有显卡、想自建工作流的团队有意义，普通创作者直接用网页或 API 即可。商用前记得查看模型许可条款，以及生成画面里的人物和音乐是否涉及版权。
信息来源：Pika 官方博客（本文为编辑整理改写）
