Pika представила открытую модель генерации видео H3 Flex с мультимодальными входами

TopG 30 октября 2026 2 минуты

Компания Pika анонсировала новую открытую модель генерации видео под названием H3 Flex. Главное отличие от предыдущих версий — единый интерфейс, который принимает текстовые промпты, изображения, видеоклипы и аудиофайлы одновременно. Это позволяет создавать ролики, комбинируя разные источники в одной генерации, не переключаясь между отдельными инструментами.

Что такое H3 Flex и чем отличается от предыдущих версий

Ранее модели Pika работали либо в режиме текст‑в‑видео, либо анимировали отдельное изображение. H3 Flex объединяет эти сценарии и добавляет поддержку нескольких медиафайлов сразу. Модель автоматически определяет режим генерации: если вложений нет — создаёт видео по тексту; с одной картинкой — анимирует её; при наличии нескольких источников — использует их как референсы для композиции итогового ролика.

Мультимодальный интерфейс: работа с текстом, изображениями, видео и аудио

Загрузка источников и адресация в промпте

В одном запросе можно загрузить до 9 изображений, 3 видеоклипа и 3 аудиодорожки. Каждому файлу присваивается идентификатор — @image1, @video1, @audio1 и так далее. В текстовом промпте пользователь указывает, как именно использовать каждый источник: например, взять персонажа с @image1, фон с @image2, движение из @video1 и звук из @audio1. Такой подход даёт точный контроль над композицией без необходимости обучать отдельные адаптеры.

Сценарии использования мультимодальных входов

Создание анимированного аватара: одно фото персонажа + аудио с речью.
Сборка сцены из нескольких ракурсов: несколько фото окружения + видеоклип с движением камеры.
Добавление звуковых эффектов и фонового шума к уже готовому видеоряду.

Технические возможности: длительность, разрешение, соотношения сторон и апскейл

H3 Flex генерирует ролики длительностью от 5 до 15 секунд. Звук синхронизируется автоматически — модель может производить речь, звуковые эффекты и окружающие шумы. Поддерживается 11 соотношений сторон, что удобно для вертикальных, горизонтальных и квадратных форматов. Базовое разрешение составляет 480p и 768p; через API доступен апскейл до 4K без повторной генерации.

Стоимость генерации через API и доступность

Цена начинается от $0,04 за секунду сгенерированного видео. Тарификация линейная: 10‑секундный клип обойдётся примерно в $0,40. Модель доступна через публичный API Pika; веса модели опубликованы разработчиками по адресу @dailyprompts.

Поиск