这次放了什么

Pika 在 Hugging Face 放出了 H3 Flex 的权重，定位是「专业迭代」：6 步采样出片，视频与音频同步生成，最多接受 12 个参考输入。参考图不只是风格参考，还可以用来锁定角色、道具和场景，再用提示词描述镜头运动。对多镜头叙事来说，这比纯文字提示更容易保持前后一致。

六步和 12 张参考图意味着什么

步数少意味着单次生成更快、成本更低，适合先出多个版本再挑；参考图多意味着可以把「一致性」前置到输入，而不是靠反复抽卡。官方给的适用场景包括多镜头叙事、动态图形、产品片和参考图驱动的动画。它没有承诺「一次就完美」，卖点是把迭代次数压下来。

本地与 API 的分界

开源权重在本地原生输出 480p / 768p，带混合立体声；1080p、2K、4K、音频分轨和提示词改写要走 Pika 的托管 API。这个分层很现实：本地负责预览和风格探索，托管负责最终交付。部署前要确认显存、推理框架和音频编码链路，别只看模型卡上的分辨率。

适合谁

  • 没有视频团队、但每周要出产品素材的独立开发者。
  • 需要先做分镜预演、再决定是否实拍的小型制作团队。
  • 想把参考图驱动的动画接进电商或广告流水线的工程团队。
参考图的价值不是让画面更像，而是让下一版不用从头再来。