AI и дата-центры
Pika перевела генерацию видео на шесть шагов: H3 Flex вышел с открытыми весами
Публикация:
Клип на 15 секунд в 768p считается за семь секунд работы трансформера, а не за семь секунд от нажатия кнопки: Pika открыла веса H3 Flex.
29 октября Pika представила H3 Flex, дообученную версию видеомодели MiniMax H3. Команда сжала генерацию с 50 шагов до шести, а затем доработала быструю модель для качества и контроля. Веса генераторов и код опубликованы открыто, через API Club модель доступна сразу, а в продукт создания Pika она придет 2 ноября.
Flex генерирует клип на 15 секунд с синхронным звуком в 768p, а семь секунд здесь означают только время работы трансформера в контролируемом тесте, а не сквозную задержку сервиса. Модель принимает до 12 ссылок, сочетая изображения, видео и звук, и умеет работать с первым и последним кадром и мультимодальными ссылками.
Локально модель выдает 480p и 768p, а апскейл до 1080p, 2K или 4K, разделение звука на пять дорожек и улучшение промпта остаются функциями API Pika. На момент запуска Flex занимает первое место среди моделей с открытыми весами и седьмое место в общем зачете на leaderboard DesignArena для текста в видео.
Flex не является новой архитектурой: это пара адаптеров поверх базовой модели MiniMax H3, поэтому локальный запуск требует и базовых файлов модели. Адаптеры распространяются по лицензии сообщества MiniMax H3, территория которой, по разбору условий, исключает Евросоюз, Великобританию, Южную Корею и США.