Pika H3 Flex lên app: video AI nhận 12 file tham chiếu, tách 5 lớp âm thanh, xuất tới 4K

Pika vừa ra Pika H3 Flex, một mô hình video được Pika huấn luyện thêm từ MiniMax H3. Ba điểm làm nó khác: nhận tới 12 file tham chiếu cùng lúc, xuất âm thanh tách thành 5 lớp, và Pika công bố trọng số để ai cũng tải về chạy được. Theo blog của hãng, mô hình có trên API từ 29/10 và lên ứng dụng tạo video của Pika từ hôm nay, 2/11. Tên gọi nói đúng tinh thần: không phải tạo một lần cho đẹp, mà tạo nhanh để sửa nhiều lần.

Pika H3 Flex làm được gì

Tạo nhanh để thử nhiều hướng

Pika cho biết đã huấn luyện thêm MiniMax H3 để tạo video trong 6 bước thay vì 50. Một clip 15 giây có âm thanh đồng bộ ở 768p có thể xong phần tính toán chính trong khoảng 7 giây. Hãng ghi chú rõ con số này chỉ đo phần mô hình lõi trong điều kiện thử nghiệm, chưa tính thời gian chờ thực tế qua API. Nói gọn: nhanh, nhưng đừng bấm đồng hồ ở app rồi so.

Tối đa 12 file tham chiếu

Bạn đưa vào ảnh, video và âm thanh cùng lúc: phác thảo, bảng nhân vật, ảnh sản phẩm, moodboard, mẫu giọng, hay một video có chuyển động mong muốn. Rồi dặn file nào góp phần nào, ví dụ nhân vật lấy từ ảnh này, bối cảnh từ ảnh kia, chuyển động từ video nọ. Với dân marketing, ví dụ đáng chú ý nhất trong bài giới thiệu là một ảnh sản phẩm được dựng thành quảng cáo nhiều cảnh.

Sửa đúng chỗ, giữ phần đã ổn

Flex có chỉnh sửa dựa trên tham chiếu: thay trang phục, đạo cụ hay bối cảnh trong khi giữ diễn xuất và nhịp của cảnh gốc. Bạn cũng có thể mô tả chuyển động máy cụ thể trong một clip, như mở bằng góc từ trên xuống, hạ cần cẩu, lia nhanh, xoay quanh chủ thể.

Âm thanh, độ phân giải và trọng số mở

Video tạo ra có âm thanh stereo đồng bộ. Qua API, bạn có thể xin thêm 5 lớp âm thanh riêng: lời thoại, nhạc nền, hiệu ứng, tiếng động và âm không khí. Muốn giảm nhạc mà giữ lời thoại thì làm được ngay trong khâu dựng.

Flex tạo gốc ở 480p hoặc 768p. Bộ nâng độ phân giải của Pika đưa clip đã chọn lên 1080p, 2K hoặc 4K. Cách làm hợp lý: thử nhiều bản nháp 768p, chỉ nâng cấp bản ưng nhất.

Pika công bố trọng số và mã chạy trên Hugging Face và GitHub, gồm tạo video từ chữ, từ khung đầu và khung cuối, và từ tham chiếu đa phương tiện. Phần nâng độ phân giải, tách lớp âm thanh và tăng tốc thì chỉ có trên dịch vụ của Pika. Lúc ra mắt, Pika cho biết Flex đứng hạng 1 trong nhóm mô hình mở và hạng 7 chung trên bảng xếp hạng text-to-video của DesignArena.

Về ưu đãi khi lên app

Một số trang tổng hợp nhắc đến lượt tạo miễn phí và giảm giá trong hai tuần đầu. Blog chính thức của Pika không ghi chi tiết này, nên hãy xem trực tiếp trong app trước khi lên kế hoạch dựa vào nó.

Người làm truyền thông nên làm gì

1. Chuẩn bị bộ tham chiếu trước khi mở app. Ảnh sản phẩm sạch, ảnh nhân vật, một moodboard màu thương hiệu. 12 ô tham chiếu chỉ có giá trị khi bạn có đồ tốt để bỏ vào.

2. Thử một ảnh sản phẩm thành clip quảng cáo 15 giây. Đây là việc sát nhất với bán hàng. So bản Flex với công cụ bạn đang dùng trên cùng một brief.

3. Viết prompt như kịch bản phân cảnh. Ghi rõ góc máy, chuyển cảnh, lời thoại, âm thanh. Mô hình này được làm ra để nghe lệnh chi tiết.

4. Nháp ở 768p, chỉ nâng 4K bản chốt. Tiết kiệm lượt tạo và thời gian chờ.

5. Cẩn thận với tham chiếu không phải của mình. Gương mặt, giọng nói, sản phẩm của người khác dùng làm tham chiếu vẫn là chuyện bản quyền và đồng thuận.

Câu hỏi thường gặp

Pika H3 Flex dùng ở đâu?

Qua Pika API từ 29/10 và trên ứng dụng tạo video của Pika từ 2/11, theo blog của hãng. Trọng số mở có trên Hugging Face.

Clip dài tối đa bao nhiêu?

Các ví dụ Pika công bố là clip 15 giây có âm thanh đồng bộ. Hãng chưa ghi thời lượng tối đa trong bài giới thiệu.

Chạy trên máy riêng có đủ tính năng như trên Pika không?

Không. Bản mở chạy ở 480p và 768p. Nâng 4K, tách 5 lớp âm thanh và tăng tốc chỉ có trên dịch vụ của Pika.

Hoàng Nhật Mai – Founder hệ thống Để AI Tính

Nguồn tham khảo

1. Pika Blog, Introducing Pika H3 Flex (29/10/2026): https://pika.art/blog/pika-h3-flex