TaoMate-H3
TaoMate-H3 是阿里巴巴 TaoLive AIGC 团队开发的低延迟流式音视频生成运行时,底层基于 MiniMax H3,以小块分片形式同步生成音频与视频,支持 480p、768p、1080p 横竖屏分辨率的长连续视频生成。
Pika H3 Flex 是 Pika 推出的面向专业影视迭代的后训练视频音频模型,基于 MiniMax-H3 主干开发,主打极速采样、多参考镜头控制,同时开放本地权重推理,兼顾本地离线运行与云端高清渲染。

Pika 正式推出 Pika H3 Flex,这是一款专为专业创作者设计的后训练视频与音频生成模型。该模型旨在提供更高的控制精度与生成效率,支持在六个采样步骤内,直接生成带有同步立体声音频的视频内容。

Pika H3 Flex 是一个视频和音频模型家族,底层构建在 MiniMax-H3 基础架构之上。为了实现更精细的镜头指导,系统引入了两个专门的任务适配器:
在推理管道中,系统会首先对输入的提示词和媒体素材进行编码。随后,利用选定的 Pika H3 Flex 适配器生成视频和音频的潜在表示(Latent Representations),最后将其解码并组合为标准的 MP4 文件。系统会自动下载固定的基础组件与适配器,确保生成过程的一致性。
该模型对输入输出的规格进行了严格定义,以满足专业工作流的标准化需求。
为了适应不同的创作场景,Pika H3 Flex 提供了五种明确的生成模式,每种模式对应特定的适配器与 CLI 任务:
在多模态参考模式下,系统对输入素材有明确的容量限制:最多支持 9 个图像、3 个视频和 3 个独立音频片段,总计不超过 12 个参考文件。其中,每个视频或独立音频片段的时长必须在 2 至 15 秒之间,且合并后的视频总时长与独立音频总时长各自不得超过 15 秒。