正在整理你需要的资料…
先出画面再配音,嘴型和声音对不上就得返工。Pika 官方开源了 H3 Flex 的视频与音频生成推理代码:FL2VA 适配器接文字和首尾帧,Ref2VA 适配器接图像、视频、音频参考,一次推理直接产出带同步立体声的 MP4,采样只要六步,原生 480p/768p、24 fps,共 11 种画幅。
适合想在本地跑 H3 Flex 推理、自己换模型权重或调采样参数的团队;基础组件锁定版本自动下载,提示词增强要另接 Pika API。

下面是把仓库 README 逐节读完后归纳出的中文要点。
演示镜头调度、电影感叙事、平面设计与参考引导动画等方向,点击预览可带声音观看;这些是创意展示,不是发布验证渲染或吞吐基准,用发布包精确复现不保证
Pika H3 Flex 是一个视频加音频的模型家族,分 FL2VA 与 Ref2VA 两种任务适配器,基于 MiniMax-H3 用六步采样生成带同步立体声的视频,输出 480p 或 768p,覆盖 11 种宽高比
在本地推理之外还能用 Pika 的托管接口扩展工作流:从草稿视频生成 1080p、2K 与 4K 视频、分离音频轨、增强提示词;这些托管服务与可下载的适配器彼此独立
命令与 Python 发行包名为 pika-h3-pro,pip 安装前需先装好 git、patch、ffmpeg 与带开发头文件的 C 编译器;需 Python 3.12 与 NVIDIA 显卡,代表性用例在单张 H100 80GB 上测试,H200 与 B300 未实测
release.json 记录发布版适配器对与固定的 HF 版本,用 --task fl2va 配首尾图做端点条件控制,Ref2VA 则按 --ref image:subject.png 的顺序传参考图与参考提示词;加载前校验适配器哈希与采样参数,输出 JSON 记录最终提示词、种子与耗时
两个适配器都做六次去噪前向,折点为 1000/750/500/250/100/40/0,视频 shift12、音频 shift3,每步用新的中间噪声,通用六步欧拉采样并不等价;注意力内核、设备与库版本不同,即便种子相同结果也可能有差异
git clone https://github.com/Pika-Labs/Pika-H3-Flex.git
cd Pika-H3-Flex| 主要语言 | Python | 许可 | NOASSERTION |
|---|---|---|---|
| 创建时间 | 2026-10-29 | 最近提交 | 2026-11-10 |
| 站内采集 | 2026-11-06 起,连续观察 6 天 | 最近一次 | 2026-11-11 |
Pika 官方开源的 H3 Flex 视频与音频生成推理代码,含模型适配层、补丁和示例提示词。
这是 Pika Labs 放出来的 H3 Flex 开源推理实现,仓库结构很完整:src/pika_h3 推理代码、patches 补丁、licenses 授权目录、examples/prompts 示例提示词、assets 展示素材(balcony-orbit、camera-rally、motion-graphics、motion-transfer 几组场景)。许可采用双轨制——推理与加载代码 Apache-2.0,模型权重走单独的模型许可。仓库很新(7 天,只有 3 次提交),但它同时和 FreeVideo(消费级本地推理)、openjutsu(本地换脸)形成了同一套 H3 生态的不同切面。想第一时间拿到官方实现细节、或者想在本地跑 H3 变体的人,应该从这个仓库入手。
最近 3 次采集
2026-11-06 1,993 ★ → 2026-11-11 1,917 ★ (累计 -76)
数据来自 GitHub 公开接口的每日采集快照,star 数为采集当时读到的值, 与 GitHub 页面上显示的实时数字可能有几分钟的差距。 项目名点击可回到 本页。