Pika H3 Flex

Pika H3 Flexは、Pikaが2026年10月29日に公開したオープンウェイトの動画モデルです。MiniMax H3をPikaが追加学習したもので、6ステップのサンプリングで同期した音声付きの動画を生成し、画像・動画クリップ・音声を合わせて最大12個のリファレンスを使えます。Pikaによると、ほとんどの構成でリアルタイムより速く、H3 Maxより最大1.8倍高速です。Pika H3 FlexはまもなくGoEnhanceに登場します。公開までは、下のコンソールでベースモデルであるMiniMax H3のリファレンスから動画生成をお試しいただけます。

提灯の路地での再会

崖の小道を行くコーギー

雪の中のキツネ

ヴィンテージカメラの広告

MiniMax H3

参考画像

人物・ペット・商品・場所の画像を1〜4枚追加してください。プロンプトではこの順番で @[image1]、@[image2]… と呼びます。

プロンプト

プロンプト例

ファイルをアップロードすると、GoEnhance の利用規約とプライバシーポリシーに同意したものとみなされます

Pika H3 Flexの特長

6ステップでリアルタイムより速く

Pika H3 Flexは1本の動画を6ステップでサンプリングします。Pikaによると、テキスト・画像・リファレンスの各タスク平均でH3 Maxより最大1.8倍速く、最大80%安価で、15秒の動画を最短約7秒で生成できます。これはモデル（DiT）の計算時間で、実際の待ち時間を保証するものではないとPikaは注記しています。

1つのプロンプトに最大12リファレンス

リファレンスモードでは画像9枚、動画クリップ3本、音声3本、合計12ファイルまで使えます。キャラクター、商品、場所、動き、声を固定でき、動画と音声は各2〜15秒です。

5通りの始め方

リファレンスのほか、テキストのみ、開始フレーム、終了フレーム、開始と終了の両フレームからも生成でき、複数ショットのストーリー、商品動画、モーショングラフィックスに向いています。

768pで下書き、最大4Kで仕上げ

ローカル実行では480pまたは768p、24fps、21:9から9:21まで11種類の比率で5〜15秒を出力します。PikaのホストAPIを使えば下書きを1080p、2K、4Kに引き上げられます。

分けて直せるサウンド

すべての動画に同期したステレオ音声が付きます。PikaのAPIでは、セリフ・音楽・効果音・フォーリー・環境音の5つのステムを個別に書き出せるので、一部だけを修正できます。

Pika H3 Flex・MiniMax H3・FastH3 Omniの比較

	Pika H3 Flex	MiniMax H3	FastH3 Omni
開発元	Pika（MiniMax H3を追加学習）	MiniMax	FastVideo（Hao AI Lab）、MiniMax H3を蒸留
サンプリングステップ	6	50	8
始め方	テキスト、開始フレーム、終了フレーム、両フレーム、リファレンス	テキスト、画像、リファレンス	リファレンス
リファレンス	最大12個：画像9・動画3・音声3	最大で画像9・動画1・音声3（GoEnhance）	画像9＋動画3までテスト済み
解像度	ローカルで480p / 768p、Pika APIで1080p〜4K	720p / 1080p（GoEnhance）	480p〜768p
音声	ステレオ音声、Pika APIで5ステムを書き出し	同期音声	同期ステレオ音声
オープンウェイト	あり（Hugging Face）	あり	あり

GoEnhanceでFastH3 Omniのようなリファレンス動画を作る方法

リファレンスをアップロード

キャラクター、商品、場所の画像を最大9枚追加できます。動きの参考として動画クリップを1本、声や音の参考として音声クリップを最大3本追加することもでき、それぞれ2–15秒です。

プロンプトでタグ付け

@[image1]のようなタグで各リファレンスを指定し、アクション、カメラ、聞こえる音を書きましょう。セリフは引用符で囲んでください。

長さ・画面比率・画質を選ぶ

長さは5〜15秒、アスペクト比は16:9から9:16まで、解像度は720pまたは1080pから選べます。

生成して仕上げる

MiniMax H3がネイティブ音声付きでクリップを生成します。プロンプトを調整したりリファレンスを差し替えたりして、もう一度生成しましょう。

MiniMax H3のリファレンスから動画生成を試す

Pika H3 Flex よくある質問

Pika H3 Flexとは？

Pika H3 Flexは、Pikaが2026年10月29日に公開した動画・音声モデルです。MiniMax H3にPikaがファインチューニングと報酬ベースの最適化を施したもので、テキストと開始・終了フレーム生成用、マルチモーダルリファレンス用の2つのアダプターとして配布されています。

Pika H3 Flexはオープンソースですか？

ウェイトは公開されています。PikaはアダプターとMiniMax H3のベースコンポーネントをHugging Faceで、推論コードをGitHubで公開しています。製品で使う前にモデルカードの条件をご確認ください。

MiniMax H3との違いは？

FlexはH3の映像と音声を同時に生成する仕組みを引き継ぎつつ、サンプリングを50ステップから6ステップに減らし、動画3本を含む最大12個のリファレンスに対応し、終了フレームや開始・終了フレームからの生成を追加しています。PikaのAPIでは4K出力と個別の音声ステムも使えます。

Pika H3 Flexはどのくらい速いですか？

Pikaによると、ほぼすべての構成でリアルタイムより速く、平均でH3 Maxより最大1.8倍速く、15秒の動画を最短約7秒で生成できます。これはモデルの計算時間のみで、実際の待ち時間はハードウェアや混雑状況によります。

ほかの動画モデルより優れていますか？

Pika自身のテストでは、オープンソースのテキストから動画モデルで1位、人による評価の人体表現と芸術的スタイルでも1位とされています。これはPikaの発表で、私たちはまだ独自の比較を行っていません。

対応する解像度と長さは？

ローカルでは480pまたは768p、24fps、5〜15秒で、21:9から9:21まで11種類の比率に対応します。PikaのホストAPIなら下書きを1080p、2K、4Kにできます。

ComfyUIでPika H3 Flexを動かせますか？

はい。ComfyUIには公式のPika H3 Flexチュートリアルがあり、テキストから動画、開始・終了フレーム、リファレンスの3つのワークフローが用意されています。リポジトリにはComfy用のBF16 LoRAも含まれ、Hugging Face Diffusersにも対応しています。PikaはH100 80GB 1枚で480pと768pを確認しており、ベースコンポーネントは約210GBのディスクを使います。

GoEnhanceでPika H3 Flexを使えますか？

まだ使えません。現在対応を進めています。それまでは、このページのコンソールでFlexのベースであるMiniMax H3のリファレンスから動画生成が動作し、上の4つの例もMiniMax H3で作成しています。Pika H3 Flexの公開後にコンソールを切り替えます。

Pika H3 Flexは誰向けですか？

Pikaは、何度も試行錯誤するクリエイター向けとしています。複数ショットのストーリー、商品動画、モーショングラフィックス、リファレンスを使ったアニメーションなど、低解像度で素早く下書きし、高解像度で仕上げる使い方です。

リファレンスから音声付き動画を作成

キャラクター、商品、場所を音声付きの動画に。今すぐMiniMax H3で始めましょう。Pika H3 Flexもまもなく登場します。