На 29 октомври Pika представи H3 Flex — модел за съвместно генериране на видео и звук върху MiniMax H3. Компанията публикува адаптери и код за изпълнение. Това е съществена възможност за собствена оценка на системата, но не означава, че целият облачен продукт е наличен за локално използване.

Какво е отворено и какво остава услуга

Картата на модела описва два адаптера: FL2VA за текст и начални/крайни кадри и Ref2VA за мултимодални референции. Генерирането използва шест стъпки и произвежда синхронизиран стереозвук. Нативните резолюции са 480p и 768p; лицензът е MiniMax H3 Community License Agreement, а не обещание за неограничени права.

Повишаването до 1080p, 2K и 4K и отделянето на аудио писти са допълнителни хоствани услуги. Според съобщението достъпът през API Club е наличен, а включването в продукта за създаване е планирано за 2 ноември. Следователно тези две дати не описват една и съща наличност.

Рекламираното създаване на 15-секунден клип за седем секунди се отнася до изчисленията в DiT трансформатора. То не измерва целия път от подаването на задача до готовия файл. Не го представяме като гарантирана потребителска латентност.

Какво показва реалният пакет

README описва 5–15-секундни заявки, един графичен процесор на задача и представителни изпитвания с H100 80 GB. Няма разделяне на една заявка между няколко GPU. Изтеглянето на двата режима е заело приблизително 210 GB базови файлове и 5,5 GB адаптери; големите референции могат да надхвърлят паметта. Това са условия на публикувания пакет, не наши измервания.

Документацията на Diffusers описва интеграция чрез PikaH3FlexModularPipeline. Тази конкретна интеграция е още една причина екипът да съгласува примерите с версията на използваната библиотека. SIExpo не е изпълнявал пакета и не потвърждава съвместимост с произволна машина.

Как бихме оценили полезността

Нашият редакционен извод е, че тестът трябва да разделя съдържанието от инфраструктурата. Илюстративен сценарий е кратък продуктов клип с един референтен предмет и ясно движение. Първо се проверяват формата на предмета, последователността между кадрите и съвпадането на звук с действие. Едва след това има смисъл да се оценява по-висока резолюция. По-големият файл сам по себе си не доказва по-точно движение.

За такъв пробен проект бихме записали версията на артефактите, входните изображения, описанието, използваната памет и общото време до завършване. Отделно бихме отбелязали дали крайният резултат е използвал хоствана обработка. Така сравнението между собствено изпълнение и услуга ще има ясна граница, вместо различни работни потоци да бъдат обединени под едно число за скорост.

Публичният пакет позволява по-конкретна техническа проверка. Дали е подходящ за дадено студио зависи и от лиценз, хардуер, контрол върху референциите и качеството на завършения материал. Това остава задача за собствен тест, а не установен от нас резултат.

*AI илюстрация: концептуална редакционна композиция, а не документална снимка.*

*Редакционна проверка: 30.10.2026, 09:13:25 +0200 (Europe/Sofia).*