应用介绍
视频生成最磨人的不是等一次，是改一次等一次：换个镜头、改句台词，又是一轮漫长的采样。Pika H3 Flex 想解决的就是这个迭代成本，它把生成压到了只采样六步，出来的是带同步立体声的完整视频，不用再另配音轨。
它是 Pika 在 MiniMax-H3 基础上后训练出来的一组 LoRA 适配器，权重放在 Hugging Face。写好提示词、再丢进去最多 12 个参考素材，就能指挥分镜、运镜和人物一致性，适合多镜头短剧、动态图形、产品短片这类需要反复打磨的活。
六步采样：一次生成只跑六次生成器评估，输出 24 帧每秒的 H.264 视频，加 32kHz 立体声音轨，合成好直接是 MP4。
多种出片方式：纯文字出片，或者给首帧、尾帧、首尾两帧来约束开头和结尾；还有多模态参考模式，最多 9 张图、3 段视频、3 段音频，合计不超过 12 个文件。
时长和画幅：本地原生输出 480p 和 768p，时长 5 到 15 秒，支持从 21:9 到 9:21 共 11 种画幅。
镜头写进提示词：官方示例里，同一条提示词按时间段写好俯拍、摇臂下降、快速横摇、环绕一圈，模型会照着走，台词、环境声和配乐也能一起描述。
多个跑法：官方命令行包支持 pip、Conda、Docker；也有 ComfyUI 的文生视频、首尾帧和参考生视频工作流，以及 Diffusers 的用法。
云端接口补高清：想要 1080p、2K、4K，或者拆分音频轨、润色提示词，要用 Pika 的托管 API，那部分不在本地权重里。
本地跑的门槛不低：一次请求占一张 GPU，官方在 H100 80GB 上测过，480p 5 秒的默认模式大约占 66 到 69 GiB 显存，768p 15 秒要开 CPU 卸载；基础组件加起来大约 210GB。协议是 MiniMax H3 社区许可，使用前先看清楚条款，不是随便商用的纯开源协议。
它是 Pika 在 MiniMax-H3 基础上后训练出来的一组 LoRA 适配器，权重放在 Hugging Face。写好提示词、再丢进去最多 12 个参考素材，就能指挥分镜、运镜和人物一致性，适合多镜头短剧、动态图形、产品短片这类需要反复打磨的活。
软件功能
六步采样：一次生成只跑六次生成器评估，输出 24 帧每秒的 H.264 视频，加 32kHz 立体声音轨，合成好直接是 MP4。
多种出片方式：纯文字出片，或者给首帧、尾帧、首尾两帧来约束开头和结尾；还有多模态参考模式，最多 9 张图、3 段视频、3 段音频，合计不超过 12 个文件。
时长和画幅：本地原生输出 480p 和 768p，时长 5 到 15 秒，支持从 21:9 到 9:21 共 11 种画幅。
镜头写进提示词：官方示例里，同一条提示词按时间段写好俯拍、摇臂下降、快速横摇、环绕一圈，模型会照着走，台词、环境声和配乐也能一起描述。
多个跑法：官方命令行包支持 pip、Conda、Docker；也有 ComfyUI 的文生视频、首尾帧和参考生视频工作流，以及 Diffusers 的用法。
云端接口补高清：想要 1080p、2K、4K，或者拆分音频轨、润色提示词，要用 Pika 的托管 API，那部分不在本地权重里。
本地跑的门槛不低：一次请求占一张 GPU，官方在 H100 80GB 上测过，480p 5 秒的默认模式大约占 66 到 69 GiB 显存，768p 15 秒要开 CPU 卸载；基础组件加起来大约 210GB。协议是 MiniMax H3 社区许可，使用前先看清楚条款，不是随便商用的纯开源协议。
