Pika H3 Flex
Pika H3 Flex 是 Pika 在 2026 年 10 月 29 日发布的开放权重视频模型。它由 Pika 在 MiniMax H3 上后训练而成，6 步采样就能生成带同步声音的视频，最多可用 12 个参考，包括图片、视频片段和音频。Pika 称它在多数配置下快于实时，比 H3 Max 最多快 1.8 倍。Pika H3 Flex 即将上线 GoEnhance；上线前，下方控制台运行的是它的底座模型 MiniMax H3 参考生视频。
@1
@2
@3
MiniMax H3
参考图
@1
@2
@3
@4
添加 1–4 张图：人物、宠物、商品或场景。在提示词里按顺序用 @[image1]、@[image2]… 指代它们。
提示词
示例提示词
上传文件即表示你同意 GoEnhance 的服务条款和隐私政策
Pika H3 Flex 带来了什么
6 步出片，快于实时
Pika H3 Flex 每段视频只需 6 步采样。Pika 称在文生、图生和参考生任务上平均比 H3 Max 最多快 1.8 倍、便宜最多 80%，一段 15 秒的视频最快约 7 秒生成。Pika 说明这是模型（DiT）计算时间，不代表端到端的实际等待时间。
一条提示词最多 12 个参考
参考模式最多接受 9 张图片、3 段视频和 3 段音频，合计 12 个文件，可以用来锁定角色、产品、场景、动作和声音；每段视频或音频 2–15 秒。
五种起始方式
除了参考生，Flex 还能只用文字、用开头帧、用结尾帧，或同时用首尾两帧来生成，适合多镜头故事、产品短片和动态图形。
768p 起草，最高 4K 成片
本地运行时，Flex 输出 480p 或 768p、24 fps，支持 21:9 到 9:21 共 11 种比例，时长 5–15 秒。通过 Pika 托管 API 可以把草稿提升到 1080p、2K 或 4K。
声音可以拆开修改
每段视频都自带同步的立体声音轨。通过 Pika 的 API 还能导出 5 条独立音轨：对白、配乐、音效、拟音和环境声，只改其中一部分而不影响其余。
Pika H3 Flex、MiniMax H3 与 FastH3 Omni 对比
如何在 GoEnhance 上制作类似 FastH3 Omni 的参考视频
01
上传参考素材
最多添加 9 张图片，用于角色、产品和场景。还可以添加 1 段视频片段作为动作参考，以及最多 3 段音频片段作为人声或音效参考，每段 2–15 秒。
02
在提示词中标注
用标签指代每个参考素材，例如 @[image1]，并描述动作、镜头和能听到的声音。台词请放进引号里。
03
选择时长、画幅和画质
时长可选 5 到 15 秒，画面比例从 16:9 到 9:16，分辨率为 720p 或 1080p。
04
生成并优化
MiniMax H3 会生成带原生音频的视频。调整提示词或替换参考素材后再生成一次即可。
