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
模型支援文字與首尾畫面輸入,原生輸出 5 至 15 秒 768P 同步立體聲,並在 DesignArena 文生影片榜名列開源第一(總榜第 8)。
AI 科技評論單一來源
22 則值得知道的變化
模型支援文字與首尾畫面輸入,原生輸出 5 至 15 秒 768P 同步立體聲,並在 DesignArena 文生影片榜名列開源第一(總榜第 8)。
基於 183 小時影片評測基準,模型結合記憶系統使主動互動提升 12.3%,但在逾 5 分鐘連續操作下累積錯誤顯著。
研究指出 next-token 預測對齊極低效,藉良好視角僅需單次旋轉即可整合不同模態編碼器,COCO CIDEr 達 0.838。