六步生成 15 秒带声视频:Pika H3 Flex 开放权重的私有化硬件档位与许可边界

行业新闻 · 丁香 · 发布 2026-10-31 · 阅读 45

六步出片:15 秒带同步声音的视频

10 月 29 日,Pika 开放了 Pika H3 Flex 的生成器适配权重与推理代码。这个模型基于 MiniMax H3 后训练——MiniMax 今年 8 月 3 日把 H3 视频基座开源,Pika 接手做专业向调优。最关键的改动是把去噪步数从 50 步压到 6 步:官方技术博客、GitHub 仓库与多家中文媒体口径一致,6 步对应 1000/750/500/250/100/40/0 的采样节点。厂商自报的口径是"约 8 倍去噪计算量下降";按受控基准,生成一条 15 秒 768p 带同步立体声视频只需约 7 秒 DiT 计算时间——注意厂商自己标注这是计算时间,不含参考文件 I/O 与端到端延迟。按官方节奏,Pika 自有创作产品将在 11 月 2 日上线该模型,API 侧已支持草稿生成与高分辨率成片两条链路。

榜单数据来自 DesignArena 文生视频榜:发布时点 Pika H3 Flex 排总榜第 7、开放权重模型第 1,压过 MiniMax H3 基础版、H3 Max 与 Seedance 2.5。这一名次由 BusinessWire 独立通稿与 Pika 官方博客分别给出,属于发布时点快照。

本地开放权重的边界:480p/768p 原生,4K 是托管件

开源范围要读细:生成器适配器与推理代码开放,推理代码 Apache-2.0,但模型侧跟随 MiniMax H3 社区许可协议,商业自托管前要过一遍条款。本地原生档位只有 480p 与 768p(含同步双声道音频);1080p、2K、4K 超分,五路音轨分离(对白、配乐、音效、拟音、环境声)和提示词增强,全部是 Pika 托管 API 能力。参考文件上限 12 个:9 图 + 3 视频 + 3 音频,单源 2-15 秒,视频与独立音频各累计不超过 15 秒。

硬件档位:H100 80GB 是唯一被测过的配置

GitHub 仓库的 hardware.md 给出私有化侧最需要的数字:每个请求固定 1 张 GPU,不支持把一条请求切给多卡——想批量并发生成,只能横向加卡,单机架构本身不再复杂。480p/5s 与 768p/5s 走默认模式,代表测试占用约 66-69 GiB 显存;768p/15s 默认模式会超出 H100 显存,需开 --cpu-offload——显存侧降到 29-32 GiB,宿主侧约 94 GiB 含页缓存。H200 与 B300 未做验证,国产卡无测试记录。磁盘侧,基础模型约 211 GB,两个适配器共约 5.5 GB。以上均为厂商自报测试数据,非最低系统要求。

成本与选型的三笔账

第一笔是算力账:6 步对 50 步,批量草稿生成的 GPU 时单价有数量级空间(8 倍为厂商估算),单卡 H100 档即可完成 15 秒带声视频,门槛比同机房跑 560B 文本模型低一档。第二笔是合规账:社区许可 + "4K 件托管"意味着"本地出草稿、API 出成片"是当前成本最优的组合,纯本地 4K 路线不存在。第三笔是迁移账:显存档位锁定 H100 80GB 这类大显存卡,视频生成属于带宽敏感负载,拿它做国产卡替代试点前,先向厂商要一份非 H100 配置的实测。做成本测算时建议先按 5 秒与 15 秒两档各跑一批,量出单机真实 GPU 时单价:7 秒只是受控基准下的 DiT 计算时间,实测落盘时长还会叠上编码、音频与参考文件 I/O。

观察一句:开放权重视频模型第一次落到"单卡机房可跑"的档位,但 4K 收尾仍握在托管侧——这更像一条分阶段的私有化路径,而不是完全自持的方案。

来源:Pika 官方博客、Pika-H3-Flex GitHub 仓库(hardware.md)、BusinessWire 通稿、MiniMax H3 开源公告;榜单与硬件数据以各组织发布为准。