Pika-Labs/Pika-H3-Flex
Pika H3 Flex: 영상·음성 생성 AI 로컬 추론 오픈소스화
원제 Pika-Labs/Pika-H3-Flex
스타 1,469Python
Key Point
전문 크리에이터가 로컬 PC에서 고제어 텍스트·참조 기반 영상 생성을 무료로 시작할 수 있으며, 프롬프트나 프레임으로 카메라 움직임까지 직접 조종할 수 있는 열린 플랫폼이 나왔다.
핵심 요약
- Pika H3 Flex는 MiniMax-H3을 기반으로 한 포스트트레이닝 모델로, 전문 콘텐츠 제작자를 위해 텍스트와 멀티모달 참조 입력으로 동기화된 영상과 음성을 생성한다.
- 6단계 샘플링으로 480p·768p 네이티브 해상도(11개 종횡비 지원)에서 5~15초 영상을 생성하며, 24fps 스테레오 음성이 MP4에 혼합된다.
- FL2VA 어댑터는 텍스트 또는 첫프레임/마지막프레임 조건 입력을, Ref2VA 어댑터는 최대 12개 참조(이미지 9개·영상 3개·오디오 3개)를 지원한다.
- 각 참조 영상·오디오는 2~15초이며, 영상 지속시간과 오디오 지속시간이 각각 최대 15초를 초과할 수 없다.
- 로컬 추론은 H100 80GB 같은 단일 GPU에서 작동하며, CPU 오프로드 옵션으로 메모리 부족 시 호스트 RAM을 사용할 수 있다.
- Pika의 호스팅 API는 로컬 추론을 넘어 1080p·2K·4K 해상도, 오디오 스템 분리, 프롬프트 강화를 추가 제공한다.
- 멀티샷 스토리텔링·모션그래픽·제품영상·참조기반 애니메이션에 최적화되었다.
- 어댑터는 MiniMax H3 커뮤니티 라이선스 하에 배포되며, 추론 및 로더 코드는 Apache-2.0 라이선스이다.
- 기본 컴포넌트와 어댑터는 자동 다운로드되며(약 210GB 기본 파일 + 5.5GB 어댑터), Python 3.12와 호환 NVIDIA GPU·드라이버가 필요하다.
- 동일한 시드로도 어텐션 커널·디바이스·라이브러리 버전에 따라 결과가 달라질 수 있다.
저장소 보기 ↗github.com