【MiniMax H3】Pika-H3-Flex，6步生成带声音视频，不只是快，还能精准控制

无言***

【MiniMax H3】Pika-H3-Flex，6步生成带声音视频，不只是快，还能精准控制

Pika H3 Flex 是 Pika Labs 在 2026 年 10 月发布的一款开源AI 视频生成模型（LoRA）。它基于 MiniMax 的 H3 大模型进行后训练（post-trained）优化而来，专门为专业创作者设计，强调“快速迭代 + 精准控制”。简单说，它能根据文字提示、图片、视频或音频参考，快速生成带同步立体声音频的短视频（通常 5–15 秒），本地可直接跑 480p / 768p 分辨率，通过 Pika 官方 API 还能升级到 1080p、2K 甚至 4K。

Pika H3 Flex 不是“随便玩玩的玩具模型”，而是把高质量、高可控性、高速度结合在一起，并真正开源了权重的专业工具。创作者可以在本地或 API 上快速出草稿、反复调整，再升级成高清成片，大幅缩短从想法到成片的时间。



主要特点

超快生成：只需 6 步采样（普通模型常需 20–50 步），15 秒带声音的视频最快约 7 秒就能出，比同类模型快约 1.8 倍，特别适合反复试错。
音画同步：视频和立体声音频（对话、音效、音乐）一起生成，音画对齐自然。API 还能导出 5 个独立音轨（人声、配乐、音效等），方便后期调整。
强大参考控制（Omni-reference）：最多支持 12 个参考输入（图片、视频、音频混合），可精确控制角色外观、动作、镜头运动、风格等。支持文本生成视频、首尾帧控制、多模态参考生成。
开源友好：权重在 Hugging Face 开放，推理代码在 GitHub 开源，可直接在本地、Diffusers 或 ComfyUI 中使用（以两个 LoRA 适配器形式加载到 MiniMax H3 基础模型上）。
专业向设计：擅长复杂镜头语言（推拉摇移、环绕、快速切换等）、多镜头叙事、精确动作控制。




使用方法：

推荐配合站内发布的 MiniMax-H3 V5版，你也可以用于支持comfyui的其他工作流中。
下载后，放到 ComfyUI/models/loras 目录，前台或ComfyUI工作流中切换即可。
包含两个模型文件，文生视频或首尾帧视频生成使用 pika_h3_flex_fl2va_v1_bf16.safetensors；多图+音频+视频参考使用 pika_h3_flex_ref2va_v1_bf16.safetensors




下载地址：
光鸭云盘：https://www.guangyapan.com/s/1963075317741641734_afKpfuS_zVounNhq

夸克网盘：

🔒登录后查看

需要登录才能查看内容

立即登录

百度网盘：

🔒登录后查看

需要登录才能查看内容

立即登录