跳到主要內容
2026-11-02 日報
模型發布

Pika 開源 MiniMax H3 衍生模型 H3 Flex:採 6 步蒸餾去噪聯合生成影音,釋出 LoRA 權重與推論程式碼

AI 科技評論單一來源
核實資料不足

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

查證回合用盡,未形成有依據結論

據報導,Pika 發布基於 MiniMax H3 的衍生模型 Pika H3 Flex,並公開適配器權重與推論程式碼。該模型採 6 步去噪流程聯合生成畫面與聲音,原生支援 480P 與 768P 輸出,可生成約 5 至 15 秒影片及同步立體聲音訊,支援文字、首尾畫面與多模態參考輸入,並提供 ComfyUI 工作流程與 Hugging Face Diffusers 接入管道。 訓練架構方面,Pika 先在內部影音資料集上對 MiniMax H3 進行監督微調,再透過投影分布匹配蒸餾(PDMD)將原本 50 步去噪壓縮至 6 步,最後透過獎勵回饋學習與直接偏好最佳化(DPO)訓練兩套 LoRA 適配器(分別用於文字/首尾畫面條件生成,以及多模態參考生成),合併推論時無須增加步數。 在本地生成之外,Pika 透過雲端 API 提供 1080P、2K 與 4K 視訊增強,並可將同步生成的音訊拆解為對白、配樂、音效、擬音與環境聲 5 類獨立音軌。推論效能方面,官方測試顯示在維持 6 步採樣下,以 8 張 NVIDIA B300 GPU 生成一段 5 秒 768P 影音的總耗時從 3.409 秒降至 2.129 秒,處理速度提升約 1.6 倍。評測數據顯示,H3 Flex 在 DesignArena 文字生成影片榜單名列第 8,為該榜單排名最高的開源影片模型。
讀原始報導

背景

提供基礎模型 H3 的 MiniMax 為總部位於中國上海的人工智慧公司,旗下開發包含 Hailuo AI 等視訊生成服務,並於 2026 年 1 月在香港交易所掛牌上市。該公司釋出開源模型 H3 後,吸引多家廠商與開發者社群接續投入後訓練與推論優化,發展出多款衍生版本。

來源