10月29日H3 Flex 發佈
6 步畫面和立體聲一起出
5–15 秒公佈的片子長度
1,288DesignArena Elo,11月1日
Pika 在 2026 年 10 月 29 日發佈 H3 Flex。11 月 1 日的報道把它寫成 MiniMax H3 的開放權重後訓練:畫面和同步立體聲在同一次 6 步採樣裏生成,基座模型原來是 50 步。隨模型發佈兩個 LoRA 適配器。一個負責文生影片和首尾幀條件。另一個接收多模態參考,最多 12 個文件,計為 9 張圖、3 段影片、3 段音頻。原生輸出是 480p 或 768p,5 到 15 秒。1080p、2K、4K,以及拆成五條音軌,只在 Pika 的託管 API 上。你可以去讀那篇發佈。關鍵幀這一半,可以在這裏用 Seedream 5.0 和 Seedance 2.5 做。
先寫下出發的那一幀,再寫下落地的那一幀。模型只負責把兩幀之間走完。
場記
五步,按順序
下面的連結只設定模型和提示詞。不設定比例、時長、輸入模式或聲音。Paper Gen 讀一次提示詞,就把它從地址欄拿掉,所以刷新不會沖掉你之後的修改。
- 01
在 Paper Gen 裏畫兩張靜幀。
預設圖片模型是 Seedream 5.0。生成前先定比例。開場和落點要共用同一個地方、同一件大衣、同一種光。“再來 4 張”會保留這條提示詞,再出四張變體。Paper Gen 沒有風格芯片。
- 02
把兩幀都放到畫布上。
“在 Canvas 中繼續”會打開一塊畫板,提示詞連着已保存的文件。把開場靜幀和落點靜幀並排放。如果兩張對房間的説法不一致,改一個句子再生成。不要讓影片模型去發明這份一致。
- 03
只有兩幀都該穿上同一種調子時才上風格。
選中圖片卡片。風格芯片在畫布的生成行上。預設會把一段描述追加到提示詞後面,不會換掉橋或門。兩幀用同一個調子,或者都不用。只給其中一幀上調,銜接時會閃。
- 04
用 Seedance 2.5 走過中間。
在畫布的影片節點,或 Paper Gen 的影片欄,把模式換成“首尾幀”。開場靜幀放進首幀,落點靜幀放進尾幀。這個模式會把比例鎖成自適應。時長設成 4 到 30 秒裏的一個固定值。預設是自動。聲音預設開着。提示詞只寫變化。
- 05
兩幀不夠時,改用參考。
在單張靜幀上點“做成影片”,會切到影片欄,並把這一張當成參考。它不會放上尾幀。參考模式最多 30 張圖、10 段影片、10 段音頻。首尾幀只要兩張圖,不收音頻。首尾放反了,用“交換首尾幀”。
公佈的 / 這裏的
H3 Flex 公佈了什麼,在這裏落在哪
左列是 10 月 29 日發佈、11 月 1 日報道裏的內容,用我們自己的話複述。右列是 VibePaper 裏對應的控件,沒有對應控件就寫明缺口。
H3 Flex 公佈了什麼,在這裏落在哪| 公佈的 | 在 VibePaper |
|---|
| MiniMax H3 的開放權重後訓練。適配器權重在 Hugging Face,許可證是 MiniMax H3 社區協議。推理代碼是 Apache 2.0,報道點名可接入 ComfyUI 和 Diffusers。 | 選擇器裏沒有 Pika H3 Flex,這裏也不下載那套權重。靜幀用 Seedream 5.0。動作用 Seedance 2.5,也就是預設的影片模型。 |
|---|
| 畫面和同步立體聲在一次 6 步採樣裏完成,基座原來是 50 步。原生 480p 或 768p,5 到 15 秒且按整秒,24 fps,H.264 加 32 kHz 立體聲 AAC。Lapaas Voice 寫了 11 種畫幅。 | Seedance 2.5 在 Paper Gen 裏是 4 到 30 秒,480p 或 720p。聲音是一個開關,預設開。沒有 768p,也沒有幀率控件。首尾幀會把比例鎖成自適應。 |
|---|
| 兩個適配器。一個做文生影片加首尾幀條件。另一個最多收 12 個參考:9 張圖、3 段影片、3 段音頻。 | Seedance 2.5 有兩種輸入模式。首尾幀是一張開場圖加一張落點圖。參考模式最多 30 張圖、10 段影片、10 段音頻。數量不是同一個產品。不要把第三張圖塞進首尾幀。 |
|---|
| 1080p、2K、4K 放大,以及五條音軌,只在 Pika 的託管 API 上。本地下載的模型是草稿。 | Paper Gen 的分辨率是 480p 或 720p。預覽草稿會強制 480p。畫布上的按鈕是「生成 1080p 正式版」,從那條預覽做出來。沒有 2K 或 4K,也沒有分軌導出。 |
|---|
| 截至 2026 年 11 月 1 日,Silicon Noon 把 H3 Flex 放在 DesignArena 影片榜第 8,Elo 1,288,817 場對戰,是榜上最高的開放權重模型。Pika 在發佈時報的是第 7,Elo 1,293。Wan 3.0 當時第 4,但沒有公開權重。MiniMax H3 第 11。 | 這個名次不是 VibePaper 的評測,榜也會動。這裏選 Seedance 2.5,是因為它能收首幀和尾幀,並且可以把聲音開着。報價出來之後,生成按鈕上會顯示費用。 |
|---|
| 常被引用的“15 秒 768p 大約 7 秒”,量的是 transformer 計算,不是完整等待。Silicon Noon 另記了一組內部計時:八張 NVIDIA B300 上,一條 5 秒 768p 帶聲音的片子,總推理從 3.409 秒到 2.129 秒,日程不變。這兩個數字不是同一次加速。 | 在這裏排鏡頭時,兩個計時都不用管。Seedance 2.5 不公佈 6 步日程。設好時長,生成,看那一幀。落點如果不是你貼上去的那張,就改一個句子。 |
|---|
三個樣子
先做首尾幀。這件事如果不是首尾,就改用參考
先生成兩張靜幀,再要動作。前兩個是首尾幀。第三個是參考,因為人和雨是材料,不是起點和終點。
首幀
尾幀昭和復古懷舊會追加暖色老膠片和安靜的懷舊。這個時刻是藍的。把風格關掉,否則落點和開場對不上。鏡頭推近是朝主體推過去。這段路是人走遠。路徑已經由兩張靜幀定了。
- 開場靜幀。 Paper Gen,Seedream 5.0。16:9 要自己設。鏈接不會設。臉保持看不見。
- 落點靜幀。 同一座橋,同一件大衣,人在遠端變得很小。在畫布上把兩張卡片並排放好,再決定要不要上風格。
- 這段路。 Seedance 2.5,首尾幀。時長 8 秒,不要自動。聲音開着。不要運鏡芯片。
首幀
藍色時刻,一座老舊的木棧橋伸進平靜的水面,16:9。一個原創成年人,深色羊毛大衣,只見背影,站在靠近鏡頭的橋頭,臉完全看不見。橋板是濕的,天色很淡,遠處是低矮的山。自然光,細顆粒。沒有文字。沒有標誌。
Seedream 5.0。生成前自己設成 16:9。
打開開場靜幀尾幀
同一座橋,同一個機位高度,同一個藍色時刻,同一件大衣。人現在很小,站在橋的遠端,仍然背對鏡頭。近處的橋板是空的。不要新的物體。沒有文字。沒有標誌。
山或橋樁如果漂了,重做這張靜幀。不要讓影片那一步去修地點。
打開落點靜幀動作
同一座橋,同一件大衣。人背對鏡頭沿着橋板往遠處走,直到在橋的盡頭變得很小。一個連續鏡頭。不要切。不要回頭。只有水聲和腳步。不要音樂。沒有對白。沒有文字。
首幀是近處那張,尾幀是遠處那張。放反了就交換首尾幀。比例會鎖成自適應。
打開這段路02一扇門,先關後開
- 模式:首尾幀。
- 調子:電影質感 → 懸疑,僅當兩張都能變冷。
- 運鏡芯片:關。
首幀
尾幀懸疑會追加冷色、低曝光、高對比。門縫下的暖光可能被拉向藍。那盞光必須留暖,就把風格清掉。兩張都上,或者都不上。不要有人走過去。
- 關着。 一扇門,一道漏光,沒有人。Seedream 5.0,16:9。
- 開着。 同一條走廊,門開了,房間是空的。在畫布上核對牆皮和地板還是第一張的。
- 門閂。 首尾幀。時長 6 秒。聲音開着,提示詞寫門閂然後房間底噪。你不會拿到分軌。
首幀
一條窄走廊,紀實光線。盡頭一扇關着的舊木門。暖光只從門縫底下漏出來,落在有磨損的地板上。空的。沒有人。沒有文字。沒有標誌。
空走廊。後面的動作提示詞裏不要再加人。
打開關着的門尾幀
同一條走廊,同一扇門,現在向內打開。暖光落在門後空房間的地板上。沒有人。沒有傢俱。沒有文字。沒有標誌。
機位高度和關着的那張一致。換角度就是另一個鏡頭。
打開開着的門動作
同一條走廊。門向內打開。沒有人走進來。暖光鋪到地板上。一個連續鏡頭。不要切。先是門閂,然後是房間底噪。不要音樂。沒有對白。沒有文字。
只有一個動作:門打開。固定時長,不要自動。運鏡芯片關掉。
打開這個門閂
參考,人
參考,天氣如果用首尾幀,人和空窗會被當成起點和終點,人會走出畫面。它們是兩份材料。參考模式還可以帶音頻,最多十段,每段 2 到 30 秒。首尾幀不能帶音頻。AI真人會追加毛孔級皮膚和 35mm 近景。這是一個寬的背影。關掉。
- 人。 一張靜幀,臉看不見,站在窗前。Seedream 5.0。
- 天氣。 第二張是同一扇窗,裏面沒有人。這是參考,不是首尾。
- 停住。 在影片欄裏選參考,不要選首尾幀。兩張都附上。時長 8 秒。聲音開着。把雨寫進去。不要把它們放成首幀和尾幀。
參考,人
一間樸素的房間,灰白天光。一個原創成年人,深色毛衣,只見背影,靜靜站在一扇高大的舊窗前。玻璃上有雨,外面是光禿的樹。臉看不見。雙手垂在身側。沒有文字。沒有標誌。
原創成年人。不要上傳真實的人的照片。
打開這個人參考,天氣
同一扇舊的多格窗,畫面裏沒有人。雨點在玻璃上,外面是光禿的樹和濕地面。灰白天光,舊木頭。沒有文字。沒有標誌。
這張裏沒有人。它是雨,不是尾幀。
打開天氣動作
人停在窗前。不回頭,也不走開。雨在玻璃上移動,樹輕微搖一下。一個連續鏡頭。不要切。只有雨聲和房間底噪。不要音樂。沒有對白。沒有文字。
參考模式。如果影片欄還停在首尾幀,人會變成起點,空窗會變成終點。
打開這個停住一條混音
聲音是開的。分軌不在這裏。
H3 Flex 在同一次生成裏寫進同步立體聲。Pika 的託管 API 再把這條混音拆成五條。本地下載的權重不拆。Seedance 2.5 有一個聲音開關,預設開着,返回的是一條混音。在動作提示詞裏寫明聲音要幹什麼。
Pika 託管的五條
- 01
對白説出來的話。這三個鏡頭都沒有。在提示詞裏寫明。
- 02
- 03
- 04
- 05
你不會從 VibePaper 導出這五個文件。參考模式可以附上最多十段音頻,每段 2 到 30 秒。首尾幀不收音頻。棧橋和門,把聲音寫進提示詞,並讓聲音保持開着。預覽草稿強制 480p,是便宜的那一遍。畫布上的「生成 1080p 正式版」從這條預覽做出完整鏡頭。

落點是一個決定,不是一個願望。
打開棧橋,設成 16:9。遠處那個人還不是同一件大衣、同一塊橋板之前,不要生成這段路。
讓這段路動起來問題
VibePaper 裏有 Pika H3 Flex 嗎?
沒有。H3 Flex 是 Pika 對 MiniMax H3 的開放權重後訓練,2026 年 10 月 29 日發佈。這篇用的是 Paper Gen、無限畫布、Seedream 5.0 和 Seedance 2.5。
首幀和尾幀在哪裏設?
在 Seedance 2.5 上,把參考模式換成首尾幀。一張圖放首幀,一張圖放尾幀。比例會鎖成自適應。本頁的鏈接只設置模型和提示詞。
“做成影片”會把兩幀都帶上嗎?
不會。做成影片會切到影片欄,並把這一張靜幀當成參考。尾幀要自己加。如果還停在參考模式,要先把模式換掉。
能導出五條音軌嗎?
不能。那五條是 Pika 的託管 API。Seedance 2.5 在聲音開着時返回一條混音,這是預設。參考模式還可以帶最多十段音頻。首尾幀不能。
能收到 4K 嗎?
這裏不能。H3 Flex 的 1080p、2K 和 4K 是 Pika 的託管放大。Paper Gen 是 480p 或 720p。預覽草稿強制 480p。畫布上的按鈕是「生成 1080p 正式版」。
網誌
你的私隱選擇
必要 Cookie 負責基本功能。統計同廣告 Cookie 由你決定開唔開。
我哋點用 Cookie
使用統計
了解網站瀏覽同 VibePaper 的使用情況。
可選可選 Cookie 只會喺你允許之後先用,可以隨時喺 Cookie 設定度改。