Unzensiertes KI-Video · Offene Adapter von Pika Labs

Pika H3 Flex unzensiert: Video mit Ton in sechs Schritten, direkt aus deinen Ideen

KI fragen ▾

Pika Labs hat das offene Videomodell MiniMax H3 genommen, auf Tempo und Ästhetik neu trainiert und das Ergebnis als offene Gewichte an alle zurückgegeben. Pika H3 Flex erzeugt Bild und Soundtrack gemeinsam in nur sechs Schritten – so wird aus einem Sitcom-Gag, einer Kopfhörer-Werbung oder einem Tanz im Takt ein fertiger Clip von 5 bis 15 Sekunden. Im Folgenden: die Szenen, die dem Modell am besten liegen, wer es wofür nutzt, Prompts zum Kopieren und der einfachste Weg, es auszuprobieren.

  • Generierung in 6 Schritten
  • Nativer Ton
  • Bis zu 12 Referenzen
  • Offene Gewichte
Foto in ein Video verwandeln →
Videobild im Stil von Pika H3 Flex: erwachsene Frau im roten Bikini spaziert in der goldenen Stunde am Strand

Unzensierter alternativer Videogenerator

Bild zu Video

Lade ein Foto als erstes Bild hoch, beschreibe Bewegung, Kamera und Ton und mach daraus ein kurzes Video.

Dein Foto wird zum ersten Bild des Clips.

Sieben Szenen, in denen es glänzt: Werbung, Sitcoms, Tanz und mehr

Weil der Ton im selben Durchgang wie das Bild entsteht, kommt ein Clip postfertig heraus: Stimmen, Schritte und Musik sitzen bereits. Das verändert, wer Pika H3 Flex nutzen kann. Eine Shop-Betreiberin, ein Kurzserien-Autor oder eine Tanz-Creatorin kommen von der Idee zum fertigen Clip – ohne Cutter und ohne Soundbibliothek. Auf diese Szenen kommen Pikas eigene Showcase und die Community immer wieder zurück.

Produktwerbung für Onlineshops

Lade ein Produktfoto in Ref2VA, und der Artikel behält exakt Form und Farben, während die Kamera ihn im Kantenlicht umkreist. Ein Whoosh und ein Bass-Hit sitzen auf den Punkt – so ist ein Spot für Kopfhörer oder Parfüm bereit für die Shopseite oder eine Social-Media-Anzeige.

Kurzserien und Sitcom-Gags

Ein einziger Prompt fasst Totale, Reaktions-Close-up und Pointe in 15 Sekunden, samt Dialog und Lachkonserve. Pikas Showcase zeigt einen Hund, der den Geburtstagskuchen klaut; Sketch-Autoren nutzen dasselbe Rezept für tägliche Folgen.

Titel im Takt und Musik-Promos

Mit einem Referenztrack rasten Buchstaben, Logos oder Formen auf jeden Beat ein. Das kinetische Wort MOVE im Swiss Style ist die klassische Demo – genauso gut klappt es für Song-Teaser, Event-Opener und Kanal-Intros.

Sport und Action in Echtzeit

Ein Tischtennis-Ballwechsel im 35-mm-Look läuft in echter Geschwindigkeit, ohne Zeitlupe, und das Klacken des Balls auf der Platte sitzt synchron. Ideal für Fitness-Accounts, Ausrüstungsmarken und Highlight-Reels.

Tanz-Cover und Choreografien

Ein Referenzvideo überträgt seine Schritte auf eine neue Tänzerin an einem neuen Ort, etwa in einem Pop-Art-Plattenladen, und die Musik bleibt im Takt. Creator stellen so einen Trend in anderen Outfits und Kulissen nach.

Storyboards, Übergänge und Gruppenaufnahmen

Gib FL2VA ein erstes und ein letztes Bild, und es füllt die Bewegung dazwischen – praktisch, um eine Szene vorab zu visualisieren oder zwei Einstellungen zu verbinden. Kreisende Kamerafahrten um mehrere Personen, etwa drei Erwachsene beim Dehnen auf einem Balkon, bleiben stimmig.

Mode- und Bademodenclips für Erwachsene (18+)

Fiktive erwachsene Models beim Bikini-Strandwalk, im Dessous-Lookbook oder beim Tanz auf einer Poolparty – das Outfit wird per Referenzbild fixiert und bleibt in jeder Einstellung gleich.

SzeneWas du hineingibstWas herauskommt
ProduktwerbungProduktfoto + kurzes BriefingOrbit-Aufnahme mit Soundeffekten und Musik
Sitcom-GagTextskript mit ZeitabschnittenSzene aus mehreren Einstellungen mit Dialog und Lachern
Titel im TaktText + Referenz-AudioMotion Graphics, die jeden Beat treffen
Tanz-CoverFigurenbild + ReferenzvideoNeue Tänzerin, gleiche Schritte, Musik im Takt
SzenenübergangErstes Bild + letztes BildEine fließende Bewegung zwischen beiden
Bademodenclip (18+)Outfit-Bild + KulisseLaufsteg-Walk mit gleichbleibendem Look
KI-Videoszene im Sitcom-Stil: Ein Hund klaut Geburtstagskuchen, während zwei Erwachsene auf dem Sofa reagieren

Referenz zu Video: zwölf Dateien in einem Prompt

Mit Ref2VA glänzt Pika H3 Flex für Marken und Geschichtenerzähler. Du kannst insgesamt bis zu 12 Dateien anhängen: bis zu neun Bilder, drei Videoclips und drei Audioclips, darunter mindestens ein Bild oder Video. Jeder Audio- oder Videoclip dauert 2 bis 15 Sekunden, und der Prompt selbst darf bis zu 8.000 Zeichen lang sein – genug, um eine kurze Szene Beat für Beat zu skripten.

Eine einfache Routine funktioniert gut: Bild 1 für das Hauptprodukt oder die Hauptfigur, Bild 2 für Outfit oder Umgebung, ein Audioclip für den Rhythmus und ein kurzes Video, wenn du eine bestimmte Bewegung brauchst. Nenne jede Datei im Prompt bei ihrer Nummer und beschreibe dann Handlung, Kamera und Ton. Die Clips erscheinen mit 24 Bildern pro Sekunde als MP4 mit 32-kHz-Stereoton, in 480p oder 768p und elf Seitenverhältnissen von 21:9 bis 9:21.

Studio-Produktvideobild: kabellose Kopfhörer drehen sich unter Kantenlicht für einen KI-Werbeclip

Prompt-Vorlagen, die du heute kopieren kannst

Pikas Prompt-Empfehlungen setzen auf eine klare Struktur: Teile den Clip in Zeitabschnitte, benenne die Kamerabewegung, sag, was konsistent bleiben muss, beschreibe den Film-Look und liste dann Dialog, Soundeffekte und Musik getrennt auf. Wähle für Pika H3 Flex eine ganze Sekundenzahl von 5 bis 15 und halte dich an eine Hauptidee pro Zeitabschnitt.

Allzweck-Struktur

[0-3s] Eine Radfahrerin rollt auf einen sonnigen Platz. [3-8s] Dolly-in, während sie anhält und nach oben schaut. [8-12s] Langsamer Orbit, der die Stadt enthüllt. Konsistenz: gelbe Jacke und kurze Haare beibehalten. Look: 35-mm-Film, natürliches Licht, Körnung. Ton: Fahrradkette, entferntes Stimmengewirr. Musik: entspannter Indie, 90 BPM.

Multikamera-Sitcom

Multikamera-Sitcom, helles Wohnzimmer. [0-4s] Totale: Ein Golden Retriever beäugt einen Geburtstagskuchen. [4-9s] Reaktions-Close-up von zwei Erwachsenen auf dem Sofa. [9-12s] Der Hund rennt mit einem Stück davon. Lachkonserve im Hintergrund. Dialog: „War das der ganze Kuchen?“

Produktwerbung mit Referenzen

Nutze Bild 1 als Produkt, Form und Farben exakt beibehalten. Langsamer Orbit um die Kopfhörer, Studio-Kantenlicht, dunkler Verlaufshintergrund. Ton: sanfter Whoosh, Bass-Hit bei 2s. Musik: minimalistische Elektronik, 100 BPM.

Strand-Laufsteg (18+)

Ein erwachsenes fiktives Model im roten Bikini aus Bild 1 geht zur goldenen Stunde am Strand entlang. Seitliche Kamerafahrt, bei 6s dreht sie sich um und lächelt. Ton: Wellen und Wind. Musik: beschwingter House.

  • Setze das Timing in eckige Klammern, damit jeder Beat seine eigene Handlung bekommt.
  • Schreibe Ton und Musik in getrennte Zeilen – das Modell hört den Unterschied.
  • Für kinetische Typografie füge einen Referenz-Audioclip hinzu und sag, welche Buchstaben auf welchem Beat landen.

Von fünfzig auf sechs Schritte: Warum alle darüber reden

Bei den meisten offenen Videomodellen wartest du, während sie einen Clip vierzig- oder fünfzigmal entrauschen. Pika ging von MiniMax H3 aus, einem Modell mit 33 Milliarden Parametern, das Video und Ton bereits in einem Durchgang erzeugt, und ergänzte eigenes Fine-Tuning, eine Destillationsmethode namens PDMD sowie Präferenzlernen. Das Lehrermodell braucht 50 Schritte, Pika H3 Flex nur sechs. Pika veröffentlichte Pika H3 Flex am 29. Oktober 2026 als zwei LoRA-Adapter, die auf den ursprünglichen H3-Gewichten aufsetzen.

Das Ergebnis ist spürbares Tempo. In Pikas eigenem Test auf einem Server mit acht B300-GPUs dauerte ein 5-Sekunden-Clip in 768p mit Ton etwa 2,1 statt 3,4 Sekunden, und laut Unternehmen ist es im Schnitt rund 1,8-mal schneller als das gehostete H3 Max auf Fal. Das sind Herstellerangaben, keine unabhängigen Benchmarks, aber sie erklären den Hype um Pika H3 Flex: Schnelle Entwürfe bedeuten mehr ausprobierte Ideen pro Abend – und ein echtes Open-Source-Videomodell von einer Marke, die man schon kennt.

FL2VA, Ref2VA oder der Community-Hybrid: Wähle deinen Adapter

Pika H3 Flex besteht eigentlich aus zwei Werkzeugen. FL2VA übernimmt Text-zu-Video, Bild-zu-Video und Clips aus erstem und letztem Bild – ideal für Storyboards, Übergänge und das Füllen der Lücke zwischen zwei Keyframes. Ref2VA liest ein ganzes Referenzpaket, sodass ein Gesicht, ein Produkt oder ein Tanzschritt von Einstellung zu Einstellung gleich bleibt. Eine dritte Option stammt aus der Community: Der Hybrid b30-49 von hyukudan übernimmt die Blöcke 0 bis 29 aus FL2VA und die Blöcke 30 bis 49 aus Ref2VA – eine reine Tensor-Kopie ohne Neutraining.

FL2VARef2VAHybrid b30-49
EingabenText, erstes Bild, letztes BildText + bis zu 9 Bilder, 3 Videos, 3 AudioclipsDieselben Referenzeingaben wie Ref2VA
Ideal fürStoryboards, Übergänge, Animieren eines StandbildsWiederkehrende Figuren, Produkte, Tanz- oder MusikreferenzenClips mit mehreren Referenzen und weniger Artefakten
Entwickelt vonPika LabsPika LabsCommunity (hyukudan), experimentell
AchtungKein Charakter-ReferenzblattBraucht mindestens ein Bild oder VideoNur mit passendem b30-49-Hybrid-Basismodell kombinierbar

Laut dem Autor des Hybrids ist er nicht schneller als Turbo-Optionen; es geht um sauberere Bilder bei erhaltenem Gedächtnis von Ref2VA. Nutze ihn mit Stärke 1.0, dem lcm-Sampler, CFG 1.0 und der manuellen Sigma-Liste des Autors – und staple keine Turbo- oder Lightning-LoRAs darüber.

Pika H3 Flex vs. MiniMax H3: Was besser geworden ist

Im Vergleich zum H3-Basismodell, aus dem es hervorgegangen ist, steht das Tempo im Mittelpunkt: sechs statt fünfzig Schritte, dazu in Pikas Tests eine separate 1,6-fache Inferenz-Optimierung. Auf der gehosteten Seite bietet die API höhere Auflösungen bis 4K und kann fünf bearbeitbare Audiospuren liefern – Dialog, Musik, Soundeffekte, Foley und Atmo –, was das Abmischen für Editoren deutlich erleichtert.

Pika spricht auch offen über Schwächen. Physik, Storytelling über mehrere Szenen, Beleuchtung und Materialien hinken einigen Konkurrenzmodellen noch hinterher. Pika H3 Flex ist daher am stärksten bei knackigen Einzelszenen, Werbung, Tänzen und Comedy-Momenten und weniger geeignet für lange filmische Sequenzen mit komplexem Licht.

Herunterladen und zu Hause nutzen: ComfyUI, VRAM und 4K

Die Gewichte von Pika H3 Flex liegen auf Hugging Face unter Pika-Labs/Pika-H3-Flex, der Code auf GitHub. Diffusers-Nutzer laden sie mit einem einzigen load_lora_weights-Aufruf auf MiniMax H3, und das Kommandozeilentool heißt pika-h3-pro. ComfyUI liefert offizielle Workflow-Vorlagen für Text-zu-Video, FL2VA und Referenz-zu-Video; leg den Adapter in den loras-Ordner und wähle eine Vorlage. Draw Things sowie Notebooks für Colab und Kaggle sind weitere einfache Wege.

Laut Pika läuft Pika H3 Flex auf einer einzelnen GPU, optional mit CPU-Offload, und die Beispiele in 480p und 768p wurden auf einer H100 mit 80 GB getestet. Ein VRAM-Minimum nennt Pika nicht, daher greifen Besitzer von Consumer-Karten meist zu quantisierten Community-Builds und testen die Ergebnisse selbst. Zur Einordnung: Der Autor des Hybrids meldet etwa 28 Sekunden pro Schritt für einen 15-Sekunden-Clip in 1184×672 auf einer 96-GB-Karte.

Eines bekommen lokale Nutzer noch nicht: 4K. Lokal ist bei 768p Schluss; 1080p, 2K und 4K gibt es nur über Pikas gehostete API, wobei 4K von einem separaten 1B-Upscaler stammt. Pika will diesen Upscaler als Open Source veröffentlichen, ein Datum ist nicht angekündigt.

Turbo LoRA, NVFP4 und int8: die Community-Builds

Innerhalb weniger Tage begannen die Leute, Pika H3 Flex zu remixen. Zum Zeitpunkt der Recherche zählte die Hugging-Face-Seite 483 Likes, 986 Downloads im letzten Monat und 19 darauf aufbauende Spaces, dazu eine Handvoll Adapter, Fine-Tunes und Quantisierungen.

  • Turbo LoRA (akhaliq/Pika-H3-Flex-Turbo-LoRA): sieben Dateien für 2, 4 oder 8 Schritte, etwa 3,9 GB in voller Größe oder rund 0,3 GB als Rank-32-Version; laut ComfyUI Wiki funktioniert sie auch mit int8- und GGUF-Builds von H3.
  • NVFP4-Builds von FastVideo, darunter eine Variante mit FP4-Attention, gedacht für Blackwell-GPUs.
  • int8: Der Hybrid b30-49 lässt sich mit einem int8-Hybrid-Basismodell kombinieren – ein beliebter Weg auf kleineren Karten.
  • GGUF: Ein eigenes GGUF der Adapter wurde nicht gefunden; die Turbo LoRA zielt stattdessen auf GGUF-Builds der H3-Basis.
  • Fertige ComfyUI-Workflows von Thelocallab und von Comfy-Org neu gehostete Dateien.

Pika H3 Flex unzensiert: Was lokale Freiheit bedeutet

Bisher gibt es weder eine offizielle noch eine Community-Edition von Pika H3 Flex, die unzensiert oder NSFW wäre; Pikas gehostete API folgt einer Inhaltsrichtlinie der Plattform. Offene Gewichte ändern, wo der Clip entsteht: Auf deinem eigenen Rechner sitzt kein Cloud-Filter zwischen dir und dem Ergebnis – deshalb nutzen Creator von Erwachseneninhalten offene H3-Modelle und Style-LoRAs lokal. Ohne große GPU bietet das Bild-zu-Video-Tool hier ähnlich filterfreie Bewegung aus einem einzigen Foto für Szenen mit Erwachsenen (18+).

Animiere ein Foto einer erwachsenen Person direkt im Browser zu einem kurzen Videoclip.

Bild zu Video öffnen

Pika H3 Flex selbst hosten vs. online auf Spicy AI generieren

Wer Pika H3 Flex selbst betreibt, hat volle Kontrolle und arbeitet offline, braucht aber eine leistungsstarke GPU, Modell-Downloads und etwas Tüftelei in ComfyUI. Online generieren erspart dir das alles: Foto hochladen, Bewegung und Ton beschreiben und einen kurzen Clip im Browser zurückbekommen.

Lokale Installation (offizielle Gewichte)Spicy AI online
InhaltsfilterLokal keine zusätzlichenKeine Inhaltsfilter für Szenen mit Erwachsenen (18+)
Offene GewichteJaNicht nötig – läuft im Browser
ModellPika H3 Flex-Adapter auf MiniMax H3Ähnliches unzensiertes Videomodell, online gehostet
Online-Generator für Bild zu Video ausprobieren →

FAQ

Was ist Pika H3 Flex?

Ein Paar offener LoRA-Adapter, FL2VA und Ref2VA, die Pika Labs am 29. Oktober 2026 für das Modell MiniMax H3 veröffentlicht hat. Sie erzeugen in sechs Schritten Videos von 5 bis 15 Sekunden mit Ton.

Wofür eignet es sich am besten?

Pika H3 Flex spielt seine Stärken bei kurzen Clips mit einer einzigen Szene aus, die von Anfang an Ton brauchen: Produktwerbung, Sitcom-Gags, Titel im Takt, Tanz-Cover, Sportmomente und Modeclips für Erwachsene (18+). Lange Filme mit vielen Szenen sind nicht seine Stärke.

Wo kann ich es herunterladen?

Die Adapter liegen auf Hugging Face unter Pika-Labs/Pika-H3-Flex, Code und Dokumentation auf GitHub. Sie werden auf das offene Basismodell MiniMax H3 geladen.

Wie viel VRAM wird benötigt?

Pika sagt nur, dass Pika H3 Flex auf einer einzelnen GPU läuft und auf einer H100 mit 80 GB getestet wurde, CPU-Offload ist möglich. Ein Minimum wird nicht genannt, daher setzen Consumer-Karten auf int8-, NVFP4- oder Turbo-LoRA-Setups der Community.

Kann es lokal 4K-Video erzeugen?

Nein. Lokal gibt es 480p oder 768p. 1080p bis 4K gibt es nur über die API, und der 4K-Upscaler ist als Open Source angekündigt, aber ohne Datum.

Soll ich FL2VA, Ref2VA oder den Hybrid wählen?

Nutze FL2VA für Text-, Bild- und Erst-/Letztbild-Clips, Ref2VA für Referenzen und probiere den experimentellen Hybrid b30-49, wenn du Referenzen mit weniger Artefakten willst.

Kann ich die Turbo LoRA mit dem Hybrid kombinieren?

Der Autor des Hybrids rät davon ab, Turbo- oder Lightning-LoRAs zu stapeln. Die Turbo LoRA ist ein eigener Weg mit 2, 4 oder 8 Schritten.

Wie viele Referenzen kann ein Clip nutzen?

In Pika H3 Flex Ref2VA bis zu 12 Dateien: höchstens neun Bilder, drei Videos und drei Audioclips, darunter mindestens ein Bild oder Video.

Quellen

Alle unzensierten KI-Modelle →

Pika und MiniMax sind Marken ihrer jeweiligen Inhaber. Community-Builds sind Arbeiten Dritter. Alle Inhalte müssen Erwachsene (18+) darstellen.

Sign in

Welcome to Spicy AI

or