Pika가 영상 생성 모델 Pika H3 Flex를 공개했다. 최대 12개의 이미지·영상·오디오 참고 자료를 한 번에 활용하고, 생성 속도를 높여 창작자가 결과를 반복해서 다듬도록 설계했다. 생성기 어댑터와 추론 코드는 오픈 가중치로 공개했지만, 일부 기능은 Pika 호스팅 서비스에서만 제공된다.

Pika에 따르면 Flex는 15초 분량의 768p 영상을 동기화된 오디오와 함께 생성하는 데 통제된 벤치마크에서 트랜스포머(DiT) 계산 기준 최단 7초가 걸린다. 이는 API의 전체 처리 시간이 아니며, 참고 자료 입력, 고해상도 마무리, 오디오 분리, 하드웨어와 서비스 오버헤드에 따라 완료 시간은 달라진다. Pika는 MiniMax H3를 기존 50단계 대신 6단계로 생성하도록 후속 학습한 뒤 품질과 창작 제어를 다듬었다고 밝혔다. 출시 시점 DesignArena 텍스트-투-비디오 순위에서는 오픈 가중치 모델 중 1위, 전체 모델 중 7위였다.

Flex는 이미지·영상·오디오를 섞어 최대 12개 참고 파일을 받을 수 있다. 사용자는 이미지의 인물, 다른 이미지의 배경, 영상의 움직임처럼 각 자료가 결과에 반영할 요소를 지정할 수 있다. 참고 영상으로 안무나 카메라 움직임을 안내하거나, 원본 영상의 연기와 타이밍을 보존하면서 의상·소품·배경을 바꾸는 편집도 지원한다.

영상은 480p 또는 768p로 생성하고, 선택한 결과를 1080p·2K·4K로 업스케일할 수 있다. 생성 영상에는 스테레오 오디오가 동기화된다. Pika API에서는 대사, 음악, 효과음, 폴리, 앰비언스의 다섯 오디오 스템을 분리해 요청할 수 있다.

생성기 어댑터와 추론 코드는 모델 라이선스 조건에 따라 자체 하드웨어에서 실행하거나 수정하고, 도구 개발에 활용할 수 있다. 공개 범위는 텍스트-투-비디오, 첫 프레임·마지막 프레임 생성, 멀티모달 참고 자료 기반 비디오 생성이며, 480p와 768p에서 동기화된 오디오를 지원한다. 반면 1080p·2K·4K 업스케일러, 오디오 스템 분리, 선택형 프롬프트 개선, 가속 서빙 스택은 Pika 호스팅 기능이다. 로컬 실행 성능은 하드웨어와 설정에 따라 달라진다.

Hugging Face에서 가중치 받기 · GitHub에서 코드와 설치 안내 보기 · Flex 개발 방식 읽기

Pika API Club에서 이용할 수 있으며, Pika는 11월 2일 Pika 창작 제품에도 Flex를 추가할 예정이라고 밝혔다.