
6ステップで映像と音声を生成
Flexは、6回のサンプリングステップで映像と音声を生成します。ショットを決める前に、複数の方向性を試す選択肢になります。この6ステップは生成処理の手順を表すもので、すべての機器やAPIリクエストで一定の完了時間を保証するものではありません。
Pika H3 Flexは、PikaがMiniMax H3に追加学習を行ったモデルで、音声と同期した動画を生成します。プロンプトから始め、画像などの参照素材で方向性を伝え、短い映像を調整できます。2026年10月29日に公開され、Pika API Clubとダウンロード可能なアダプターで利用できます。

Flexは、6回のサンプリングステップで映像と音声を生成します。ショットを決める前に、複数の方向性を試す選択肢になります。この6ステップは生成処理の手順を表すもので、すべての機器やAPIリクエストで一定の完了時間を保証するものではありません。

開始画像、終了画像、またはその両方を渡し、その間の動きを説明します。最初と最後のフレームによる条件付けは、計画した見せ場や場面転換に適しています。シーン内での被写体やカメラの動きを説明してください。渡したフレームは生成を導くもので、動きを厳密に再現する保証ではありません。

参照モードでは、画像、動画、音声を合わせて最大12ファイル入力できます。見た目には商品写真、動きには動画クリップを使えます。ローカル版では、合計12ファイルの範囲内で、画像は最大9枚、動画は最大3本、音声は最大3本です。画像か動画を、少なくとも一つ含める必要があります。

映像内の動きとともに、発話、物の音、環境音、音楽も説明します。ローカル推論では、ミックス済みのステレオ音声が返されます。音を別々のレイヤーで編集したい場合は、Pikaのクラウド上の音声ステムサービスで、セリフ、音楽、効果音、フォーリー、環境音を個別のトラックとして取得できます。

最初の動画は、ネイティブ480pか768pで生成します。方向性を決めてから、Pikaのクラウド上のアップサンプラーで1080p、2K、4Kに仕上げられます。高解像度への仕上げは別のクラウド処理です。ダウンロード可能なアダプターが、ネイティブ4K動画を生成するわけではありません。

参照素材を使うプロンプトでは、残す要素を示しながら、新しいキャラクター、舞台、映像表現を説明できます。すでにあるコンセプトから別案を考える際に役立ちます。変更を具体的に伝え、生成後は人物などの特徴、タイミング、連続性を確認してください。これらの制御は、制作の意図を伝えるためのものです。






| 比較項目 | Pika H3 Flex · クラウドAPI | Pika H3 Flex · ローカル用アダプター |
|---|---|---|
| アクセス | Pika API Club | ダウンロード可能なアダプターと推論パッケージ |
| 生成 | タスクに応じて文章、開始・終了画像、複数形式の参照素材を使用 | MiniMax H3上でFL2VAとRef2VAのタスク用アダプターを使用 |
| 直接生成する動画 | 仕上げ前は480p / 768p | 480p / 768p |
| 高解像度仕上げ | クラウド処理で1080p、2K、4Kに拡大 | ローカル版にはアップサンプラーを含まない |
| サウンド | 映像と同期した音声。別サービスで5種類のステムを取得 | 32 kHzのミックス済みステレオ音声 |
| クリエイティブなセットアップ | クラウドでの実行と、任意のプロンプト補強 | 自分で用意するハードウェア、依存ソフト、参照素材 |
| 用途に合わせて選んでください | クラウドサービスで制作の方向性を試す | 推論の手順を評価・カスタマイズする |
同じモデル系列を使う、二つの方法です。クラウド上の仕上げ処理と音声ステムサービスは、ダウンロード可能な生成パッケージとは別です。
商品写真から始め、商品の見せ方、素材の細部、カメラの動きを説明します。長い映像の編集に進む前に、短い演出案をいくつか比較してください。すべてのショットで、商品の形と細部を確認します。
キャラクター画像と動きの参考素材を組み合わせ、新しい舞台での演技を試します。どの素材が見た目を、どの素材が動きを指定するかを説明してください。厳密に再現されると思い込まず、生成された動きを確認します。
短いシーンを、いくつかの明確なショットに分けるか、一続きの撮影として説明します。制作指示には、意図する音の演出も含めてください。指定した長さに収まる動きにし、場面の切り替えと音の細部を確認します。
商品映像、映画のようなシーン、アニメーションの物語に向けた、Pexoの制作手順をご覧ください。以下のプレビューは、各Pexoページのものです。
Pika H3 Flexは、PikaがMiniMax H3に追加学習を行った派生モデルで、2026年10月29日に公開されました。公開アダプターは、6回のサンプリングステップで、音声と同期した動画を生成します。元のMiniMax H3やH3 Maxの別名ではなく、Pika独自のリリースです。
ローカル版は、24 fpsのネイティブ480p・768p出力に対応し、32 kHzのステレオ音声とともにMP4で出力します。指定する長さは5~15秒の整数で、実際の長さはモデルのフレーム単位に丸められます。11種類の縦横比があり、横長、正方形、縦長の画面を含みます。
はい。Ref2VAには、画像は最大9枚、動画は最大3本、単独の音声クリップは最大3本という制限のもと、合計12ファイルまで渡せます。画像か動画を、少なくとも一つ含めてください。各動画・音声クリップは2~15秒で、動画の合計時間と単独音声の合計時間は、それぞれ15秒以内にする必要があります。
2026年10月30日時点で、PikaはAPI Clubからの利用と、ダウンロード可能なアダプターを案内しています。公開時の発表では、Pikaの制作製品で11月2日に利用可能になる予定としています。直接生成する解像度は480pか768pです。1080p、2K、4Kには、Pikaの別のクラウドアップサンプラーを使います。クラウド上の音声ステム分離とプロンプト補強も、別のサービスです。
アダプターは、地域、用途、商用利用の条件を含むMiniMax H3 Community License Agreementに基づいて配布されています。サンプルコードなどの構成要素にApache 2.0ライセンスが付いていても、モデルの重みが無制限に使えることにはなりません。予定する運用方法に照らして、最新のモデルライセンスとサービス利用条件を確認してください。
Pika H3 Flexは、PikaがMiniMax H3に追加学習を行った派生モデルで、2026年10月29日に公開されました。公開アダプターは、6回のサンプリングステップで、音声と同期した動画を生成します。元のMiniMax H3やH3 Maxの別名ではなく、Pika独自のリリースです。
ローカル版は、24 fpsのネイティブ480p・768p出力に対応し、32 kHzのステレオ音声とともにMP4で出力します。指定する長さは5~15秒の整数で、実際の長さはモデルのフレーム単位に丸められます。11種類の縦横比があり、横長、正方形、縦長の画面を含みます。
はい。Ref2VAには、画像は最大9枚、動画は最大3本、単独の音声クリップは最大3本という制限のもと、合計12ファイルまで渡せます。画像か動画を、少なくとも一つ含めてください。各動画・音声クリップは2~15秒で、動画の合計時間と単独音声の合計時間は、それぞれ15秒以内にする必要があります。
2026年10月30日時点で、PikaはAPI Clubからの利用と、ダウンロード可能なアダプターを案内しています。公開時の発表では、Pikaの制作製品で11月2日に利用可能になる予定としています。直接生成する解像度は480pか768pです。1080p、2K、4Kには、Pikaの別のクラウドアップサンプラーを使います。クラウド上の音声ステム分離とプロンプト補強も、別のサービスです。
アダプターは、地域、用途、商用利用の条件を含むMiniMax H3 Community License Agreementに基づいて配布されています。サンプルコードなどの構成要素にApache 2.0ライセンスが付いていても、モデルの重みが無制限に使えることにはなりません。予定する運用方法に照らして、最新のモデルライセンスとサービス利用条件を確認してください。