في الآونة الأخيرة، أصدرت Pika نموذجًا مشتقًا من MiniMax H3 باسم Pika H3 Flex، وفتحت أبواب كودات وزن المحولات والاستدلال. يعمل هذا النموذج على إنتاج الصور والأصوات من خلال عملية إزالة الضوضاء المشتركة التي تستغرق ست خطوات، ويدعم النصوص، والأفريات الأولى والأخيرة، والإدخال المرجعي متعدد الوسائط، مما يتيح للمبدعين تصميم الكاميرا، والإنتاج المرجعي، وتحرير الفيديو.
تحتوي النسخة هذه على مجموعتين من محولات LoRA، تُستخدم كل منهما لإنشاء شروط النصوص وشروط الإطارات الأولى والأخيرة، ولإنشاء مراجع متعددة الوسائط. كما يتم توفير المكونات الأساسية لـ MiniMax H3 وأدوات الاستدلال المحلية. يدعم النموذج إخراج بصيغة 480P و768P، ويمكنه إنشاء فيديوهات تستغرق حوالي 5 إلى 15 ثانية بالإضافة إلى صوت ثلاثي الأبعاد متماشيًا معها. يوفر Pika عملية عمل من ComfyUI وطريقة اتصال بـ Hugging Face Diffusers، مما يسهل على المطورين إضافته إلى أدوات الإبداع الحالية.
بالإضافة إلى الإنتاج المحلي، يمكن لبيكا تقديم تحسينات للفيديو بجودة 1080P و2K و4K من خلال واجهة الأوامر (API)، بالإضافة إلى وظيفة التحويل الصوتية المنفصلة. يمكن للمبدعين إنتاج وتصفية المسودات بدقة أقل أولاً، ثم معالجة النسخة المختارة بدقة عالية؛ حيث يمكن تقسيم الصوت المُنتج المتزامن إلى خطوط صوت مستقلة خمسة، وهي الحوار، الموسيقى التصويرية، الإيقاعات الصوتية، الصوت المحاكي، والضوضاء البيئية، مما يسهل التعديل المنفصل لكل منها في المراحل اللاحقة. أما الفيديو المحسن بدقة عالية وخطوط الصوت المُحولة، فيتم توفيرها من قبل خدمة واجهة الأوامر الخاصة ببيكا.
يذكر Pika في بوسته التقني أن الفريق قام أولاً بالتعديل الإشرافي للـ MiniMax H3 على مجموعة البيانات الصوتية والفيديوية الداخلية، ثم استخدم تقنية تطابق التوزيع بالإسقاط (PDMD) لتقليل عدد الخطوات الـ 50 لإزالة الضوضاء في نموذج المعلم إلى 6 خطوة. بعد ذلك، قام الفريق بتدريب محول LoRA من خلال التعلم بالتعويضات والمفضلة المباشرة لتحسين الجودة الجمالية والوضوح والالتزام بالتعليمات. عند دمج هذا المحول مع الاستدلال، لا حاجة لزيادة عدد خطوات الإنتاج.
قامت Pika أيضًا بتسريع خدمات الاستدلال الإدارة. في اختبارات الحفاظ على أوزان النموذج وخطة أخذ العينات ذات الست خطوات دون تغيير، تم إنتاج مقطع فيديو صوتي بجودة 768P لمدة 5 ثوانٍ باستخدام 8 وحدات GPU من نوع NVIDIA B300، وانخفض إجمالي وقت الترميز والإزالة من الضوضاء والترميز من 3.409 ثانية إلى 2.129 ثانية، بمعدل سرعة معالجة يبلغ حوالي 1.6 مرة الأصل.
فيما يتعلق بالأداء البصري والصوتي، أظهر تقييمات المقارنة التي نشرتها Pika أن H3 Flex حصل على أعلى درجات في خمسة معايير لجودة البصر والصوت بين النماذج المشاركة، وحصل على المركز الثامن في قائمة DesignArena للفيديوهات المصورة، وهو أعلى ترتيب لنموذج الفيديو المفتوح المصدر في هذه القائمة.
في أغسطس هذا العام، بعد إصدار MiniMax H3 مفتوح المصدر، واصلت شركة MiniMax والشركات الشريكة تدريب وتحسين النماذج حول مواقف الاستخدام المختلفة، وفتحتها للجماعة، بما في ذلك إنشاء MiniMax H3 480P مع Running Hub؛ واختيار fal للتدريب والتحسين الإقتراحي المتابعة لتوليد اللقطات في الوقت الحقيقي، وتم إطلاق H3 Max 768P وH3 Max 480P؛ بالإضافة إلى FastH3 الذي أصدره FastVideo من خلال التجزئة والتكيف الصلب، وتطويرات نيابة عن إنفيديا ومعهد ماساشي للتكنولوجيا حول H3 مثل StreamRender-H3 وOpen-H3-Regenerate-2K وغيرها من النماذج من قبل المطورين الخارجيين. تم إنشاء نماذج مشتقة من H3 لإبداعات مبتكرة مثل بث Twitch المباشر، “تلفزيون الذكاء الاصطناعي” على مدار 24 ساعة، وتطبيقات البث المباشر للفيديوهات القصيرة بالذكاء الاصطناعي.
H3: تم تحميل الملف من خلال المفتاح العام أكثر من 24 مليون مرة في شهر واحد، وتم إنتاج أكثر من 300 نموذج مشتق علني، وأصبح أحد أعلى النماذج تحميلًا في العالم لعام 2026.