Pika-H3-Flex: 6스텝으로 영상·음성 동시 생성, 최대 12개 참조 입력

Pika H3 Flex는 전문 크리에이터를 위한 후학습 H3 모델로, 6단계 샘플링만으로 영상과 동기화된 오디오를 생성한다. 최대 12개의 참조 이미지를 입력받아 캐릭터나 배경의 일관성을 유지하며, 프롬프트를 통해 카메라 워크와 동작을 세밀하게 지시할 수 있다.

로컬 추론에서는 네이티브 480p 및 768p 해상도의 혼합 스테레오 오디오 영상을 지원한다. Pika의 호스팅 API를 활용하면 1080p, 2K, 4K까지 해상도를 확장하고, 오디오 스템 분리 및 프롬프트 강화 기능을 추가로 사용할 수 있다.

단일 컷이 아닌 멀티샷 스토리텔링, 모션 그래픽, 제품 광고, 참조 기반 애니메이션 제작에 적합하다. 기존 방식과 달리 참조 이미지와 텍스트 프롬프트를 결합해 특정 각도나 움직임(크레인, 위프 팬, 오빗 등)을 정밀하게 제어하는 워크플로우를 제공한다.

Diffusers 라이브러리를 통해 MiniMax H3 기반 파이프라인에 LoRA 가중치로 로드하여 사용할 수 있다. minimax-h3-community-license-agreement 라이선스를 따르며, 빠른 반복 작업과 정밀한 제어력이 필요한 영상 제작 환경에서 활용된다.