Video AI không kiểm duyệt · Adapter mở từ Pika Labs

Pika H3 Flex không kiểm duyệt: Video có âm thanh trong sáu bước, từ chính ý tưởng của bạn

Hỏi AI ▾

Pika Labs đã lấy mô hình video mở MiniMax H3, huấn luyện lại để nhanh hơn và đẹp hơn, rồi trả kết quả lại cho mọi người dưới dạng trọng số mở. Pika H3 Flex tạo hình ảnh và nhạc nền cùng lúc chỉ trong sáu bước, nên một màn hài kiểu sitcom, một quảng cáo tai nghe hay một điệu nhảy khớp nhịp đều ra thành clip hoàn chỉnh dài 5 đến 15 giây. Dưới đây là những cảnh nó làm tốt nhất, ai đang dùng nó vào việc gì, các prompt sẵn sàng để sao chép và cách dễ nhất để thử.

  • Tạo trong 6 bước
  • Âm thanh tích hợp
  • Tối đa 12 tham chiếu
  • Trọng số mở
Biến ảnh thành video →
Khung hình video phong cách Pika H3 Flex: một phụ nữ trưởng thành mặc bikini đỏ đi dạo trên bãi biển lúc hoàng hôn vàng

Công cụ tạo video thay thế không kiểm duyệt

Ảnh thành video

Tải lên một ảnh làm khung hình đầu tiên, mô tả chuyển động, máy quay và âm thanh, rồi biến nó thành video ngắn.

Ảnh của bạn sẽ là khung hình đầu tiên của clip.

Bảy cảnh nó tỏa sáng: quảng cáo, sitcom, nhảy và hơn thế

Vì âm thanh được tạo cùng lượt với hình ảnh, clip ra đời là sẵn sàng để đăng: giọng nói, tiếng bước chân và nhạc đã nằm đúng chỗ. Điều đó thay đổi việc ai có thể dùng Pika H3 Flex. Một chủ shop, một biên kịch phim ngắn hay một nhà sáng tạo nội dung nhảy có thể đi từ ý tưởng đến clip hoàn chỉnh mà không cần người dựng phim hay thư viện âm thanh. Đây là những cảnh mà phần trình diễn của chính Pika và cộng đồng liên tục quay lại.

Quảng cáo sản phẩm cho shop online

Đưa ảnh sản phẩm vào Ref2VA, món hàng giữ đúng hình dáng và màu sắc trong khi máy quay xoay quanh dưới ánh sáng viền. Tiếng vút và cú bass rơi đúng lúc, nên một đoạn quảng cáo tai nghe hay nước hoa đã sẵn sàng cho trang bán hàng hoặc quảng cáo mạng xã hội.

Phim ngắn và màn hài kiểu sitcom

Một prompt có thể chứa cảnh toàn, cận cảnh phản ứng và câu chốt trong vòng 15 giây, kèm lời thoại và tiếng cười nền. Phần trình diễn của Pika dùng cảnh chú chó trộm bánh sinh nhật; người viết tiểu phẩm áp dụng đúng công thức đó cho các tập hằng ngày.

Tiêu đề khớp nhịp và quảng bá âm nhạc

Thêm một bản nhạc tham chiếu, chữ, logo hay hình khối sẽ bật vào đúng từng nhịp. Chữ động MOVE phong cách Thụy Sĩ là bản demo kinh điển, và cách này cũng hợp với teaser bài hát, đoạn mở màn sự kiện và intro kênh.

Thể thao và hành động ở tốc độ thật

Một pha bóng bàn với chất phim 35mm chạy ở tốc độ thực, không quay chậm, tiếng bóng chạm bàn khớp với hình. Hợp cho tài khoản thể hình, thương hiệu dụng cụ và các clip tổng hợp khoảnh khắc.

Cover nhảy và biên đạo

Video tham chiếu truyền động tác cho một vũ công mới ở một nơi mới, chẳng hạn cửa hàng đĩa phong cách pop-art, trong khi nhạc vẫn giữ nhịp. Các nhà sáng tạo dùng nó để dựng lại một trào lưu với trang phục và bối cảnh khác.

Storyboard, chuyển cảnh và cảnh nhóm

Đưa cho FL2VA khung hình đầu và khung hình cuối, nó sẽ lấp đầy chuyển động ở giữa, tiện để hình dung trước một cảnh hoặc nối hai cú máy. Những cú máy xoay quanh nhiều người, như ba người trưởng thành giãn cơ trên ban công, vẫn giữ được sự liền mạch.

Clip thời trang và đồ bơi người lớn (18+)

Người mẫu trưởng thành hư cấu catwalk bikini trên biển, trong lookbook nội y hay nhảy ở tiệc hồ bơi, trang phục được cố định bằng ảnh tham chiếu nên giữ nguyên qua mọi cảnh.

CảnhBạn đưa vàoKết quả nhận được
Quảng cáo sản phẩmẢnh sản phẩm + mô tả ngắnCảnh quay vòng kèm hiệu ứng âm thanh và nhạc
Màn hài sitcomKịch bản chữ chia theo mốc thời gianCảnh nhiều cú máy có lời thoại và tiếng cười
Tiêu đề khớp nhịpVăn bản + âm thanh tham chiếuĐồ họa chuyển động rơi đúng từng nhịp
Cover nhảyẢnh nhân vật + video tham chiếuVũ công mới, động tác cũ, nhạc đúng nhịp
Chuyển cảnhKhung hình đầu + khung hình cuốiChuyển động mượt giữa hai khung hình
Clip đồ bơi (18+)Ảnh trang phục + bối cảnhMàn catwalk với diện mạo ổn định
Cảnh video AI kiểu sitcom: chú chó trộm bánh sinh nhật trong khi hai người lớn trên sofa phản ứng

Tham chiếu thành video: mười hai tệp trong một prompt

Ref2VA là nơi Pika H3 Flex tỏa sáng với các thương hiệu và người kể chuyện. Bạn có thể đính kèm tổng cộng tối đa 12 tệp: tối đa chín ảnh, ba clip video và ba clip âm thanh, trong đó có ít nhất một ảnh hoặc video. Mỗi clip âm thanh hoặc video dài 2 đến 15 giây, và bản thân prompt có thể dài tới 8.000 ký tự, đủ để viết kịch bản một cảnh ngắn theo từng nhịp.

Một quy trình đơn giản hoạt động tốt: ảnh 1 cho sản phẩm hoặc nhân vật chính, ảnh 2 cho trang phục hoặc bối cảnh, một clip âm thanh để tạo nhịp, và một video ngắn nếu bạn cần động tác cụ thể. Gọi từng tệp theo số thứ tự trong prompt, rồi mô tả hành động, máy quay và âm thanh. Clip xuất ra ở 24 khung hình/giây dạng MP4 với âm thanh stereo 32 kHz, ở 480p hoặc 768p với mười một tỷ lệ khung hình từ 21:9 đến 9:21.

Khung hình video sản phẩm trong studio: tai nghe không dây xoay dưới ánh sáng viền cho clip quảng cáo AI

Mẫu prompt bạn có thể sao chép ngay hôm nay

Hướng dẫn prompt của Pika ưu tiên cấu trúc rõ ràng: chia clip thành các khoảng thời gian, gọi tên chuyển động máy quay, nói rõ điều gì phải giữ nhất quán, mô tả chất phim, rồi liệt kê riêng lời thoại, hiệu ứng âm thanh và nhạc. Với Pika H3 Flex, hãy chọn số giây nguyên từ 5 đến 15 và giữ một ý chính cho mỗi khoảng thời gian.

Cấu trúc đa năng

[0-3s] Một nữ tay đạp xe lăn bánh vào quảng trường ngập nắng. [3-8s] Máy quay tiến vào khi cô dừng lại và ngước nhìn. [8-12s] Quay vòng chậm để lộ ra thành phố. Nhất quán: giữ áo khoác vàng và tóc ngắn của cô. Phong cách: phim 35mm, ánh sáng tự nhiên, hạt phim. Âm thanh: tiếng xích xe, tiếng trò chuyện xa xa. Nhạc: indie nhẹ nhàng, 90 BPM.

Sitcom nhiều máy quay

Sitcom nhiều máy quay, phòng khách sáng sủa. [0-4s] Cảnh toàn: một chú golden retriever nhìn chằm chằm chiếc bánh sinh nhật. [4-9s] Cận cảnh phản ứng của hai người lớn trên sofa. [9-12s] Chú chó chạy mất cùng một miếng bánh. Nền tiếng cười khán giả. Lời thoại: “Đó là cả cái bánh à?”

Quảng cáo sản phẩm có tham chiếu

Dùng ảnh 1 làm sản phẩm, giữ chính xác hình dáng và màu sắc. Quay vòng chậm quanh tai nghe, ánh sáng viền studio, nền gradient tối. Âm thanh: tiếng vút nhẹ, cú bass ở 2s. Nhạc: điện tử tối giản, 100 BPM.

Sàn catwalk bãi biển (18+)

Một người mẫu trưởng thành hư cấu mặc bikini đỏ từ ảnh 1 đi dọc bãi biển vào giờ vàng. Máy quay bám theo bên cạnh, ở 6s cô quay lại và mỉm cười. Âm thanh: sóng và gió. Nhạc: house sôi động.

  • Đặt thời gian trong ngoặc vuông để mỗi nhịp có hành động riêng.
  • Viết âm thanh và nhạc thành các dòng riêng; mô hình nghe ra sự khác biệt.
  • Với chữ động, hãy thêm clip âm thanh tham chiếu và nói rõ chữ nào rơi vào nhịp nào.

Từ năm mươi bước xuống sáu: vì sao ai cũng bàn tán

Hầu hết mô hình video mở bắt bạn chờ trong khi chúng khử nhiễu một clip bốn mươi hay năm mươi lần. Pika bắt đầu từ MiniMax H3, mô hình 33 tỷ tham số vốn đã tạo video và âm thanh trong một lượt, rồi bổ sung tinh chỉnh riêng, phương pháp chưng cất mà họ gọi là PDMD và học theo sở thích. Mô hình thầy cần 50 bước; Pika H3 Flex chỉ cần sáu. Pika phát hành Pika H3 Flex vào ngày 29 tháng 10 năm 2026 dưới dạng hai adapter LoRA đặt lên trên trọng số H3 gốc.

Thành quả là tốc độ cảm nhận rõ. Trong thử nghiệm riêng của Pika trên máy chủ tám GPU B300, một clip 5 giây 768p có âm thanh mất khoảng 2,1 giây thay vì 3,4 giây, và công ty cho biết trung bình nhanh hơn khoảng 1,8 lần so với H3 Max được lưu trữ trên Fal. Đó là số liệu của nhà phát triển, không phải benchmark độc lập, nhưng chúng giải thích sức hút của Pika H3 Flex: bản nháp nhanh đồng nghĩa với nhiều ý tưởng được thử hơn mỗi tối, cùng một mô hình video mã nguồn mở thực sự từ thương hiệu mọi người đã biết.

FL2VA, Ref2VA hay Hybrid của cộng đồng: chọn adapter của bạn

Pika H3 Flex thực chất là hai công cụ. FL2VA xử lý văn bản thành video, ảnh thành video và clip từ khung đầu–khung cuối, nên là lựa chọn hàng đầu cho storyboard, chuyển cảnh và lấp khoảng trống giữa hai keyframe. Ref2VA đọc cả một bộ tham chiếu, giúp khuôn mặt, sản phẩm hay động tác nhảy giữ nguyên từ cảnh này sang cảnh khác. Lựa chọn thứ ba đến từ cộng đồng: Hybrid b30-49 của hyukudan giữ các khối 0 đến 29 từ FL2VA và lấy các khối 30 đến 49 từ Ref2VA, chỉ là sao chép tensor đơn thuần, không huấn luyện lại.

FL2VARef2VAHybrid b30-49
Đầu vàoVăn bản, khung đầu, khung cuốiVăn bản + tối đa 9 ảnh, 3 video, 3 clip âm thanhCùng đầu vào tham chiếu như Ref2VA
Phù hợp nhất choStoryboard, chuyển cảnh, làm ảnh tĩnh chuyển độngNhân vật lặp lại, sản phẩm, tham chiếu nhảy hoặc nhạcClip nhiều tham chiếu với ít lỗi hình hơn
Tác giảPika LabsPika LabsCộng đồng (hyukudan), thử nghiệm
Lưu ýKhông có bảng tham chiếu nhân vậtCần ít nhất một ảnh hoặc videoChỉ dùng được với mô hình nền hybrid b30-49 tương ứng

Tác giả của Hybrid cho biết nó không nhanh hơn các tùy chọn turbo; mục đích là hình ảnh sạch hơn trong khi vẫn giữ khả năng ghi nhớ của Ref2VA. Hãy chạy với cường độ 1.0, sampler lcm, CFG 1.0 và danh sách sigma thủ công của tác giả, và đừng chồng thêm LoRA turbo hay Lightning lên trên.

Pika H3 Flex so với MiniMax H3: điều gì đã tốt hơn

So với mô hình H3 gốc mà nó phát triển từ đó, điểm nổi bật là tốc độ: sáu bước thay vì năm mươi, cộng thêm tối ưu suy luận riêng 1,6 lần trong thử nghiệm của Pika. Ở phía dịch vụ lưu trữ, API bổ sung độ phân giải cao hơn tới 4K và có thể xuất năm track âm thanh chỉnh sửa được: lời thoại, nhạc, hiệu ứng âm thanh, foley và âm thanh môi trường, giúp người dựng phim mix dễ hơn nhiều.

Pika cũng thẳng thắn về điểm yếu. Vật lý, kể chuyện nhiều cảnh, ánh sáng và chất liệu vẫn thua một số mô hình đối thủ. Vì vậy Pika H3 Flex mạnh nhất với clip một cảnh ấn tượng, quảng cáo, nhảy và khoảnh khắc hài, và kém phù hợp hơn với các phân đoạn điện ảnh dài có ánh sáng phức tạp.

Tải về và chạy tại nhà: ComfyUI, VRAM và 4K

Trọng số Pika H3 Flex nằm trên Hugging Face tại Pika-Labs/Pika-H3-Flex, mã nguồn trên GitHub. Người dùng Diffusers nạp chúng lên MiniMax H3 chỉ bằng một lệnh load_lora_weights, và công cụ dòng lệnh có tên pika-h3-pro. ComfyUI cung cấp sẵn mẫu workflow chính thức cho văn bản thành video, FL2VA và tham chiếu thành video; đặt adapter vào thư mục loras và chọn một mẫu. Draw Things, notebook Colab và Kaggle là những cách dễ dàng khác.

Pika cho biết Pika H3 Flex chạy trên một GPU, có tùy chọn offload sang CPU, và đã thử các ví dụ 480p, 768p trên H100 80 GB. Hãng không đưa ra mức VRAM tối thiểu, nên người dùng card phổ thông thường tìm đến các bản lượng tử hóa của cộng đồng và tự kiểm tra kết quả. Để tham khảo, tác giả Hybrid báo cáo khoảng 28 giây mỗi bước cho clip 15 giây 1184×672 trên card 96 GB.

Có một thứ người dùng cục bộ chưa có được: 4K. Đầu ra cục bộ tối đa 768p; 1080p, 2K và 4K thuộc về API lưu trữ của Pika, trong đó 4K đến từ một bộ upscaler 1B riêng. Pika nói upscaler này sẽ được mở mã nguồn, nhưng chưa công bố ngày.

Turbo LoRA, NVFP4 và int8: các bản dựng của cộng đồng

Chỉ trong vài ngày, mọi người đã bắt đầu remix Pika H3 Flex. Vào thời điểm nghiên cứu, trang Hugging Face ghi nhận 483 lượt thích, 986 lượt tải trong tháng qua và 19 Spaces xây dựng trên nó, cùng một số adapter, bản tinh chỉnh và bản lượng tử hóa.

  • Turbo LoRA (akhaliq/Pika-H3-Flex-Turbo-LoRA): bảy tệp cho 2, 4 hoặc 8 bước, khoảng 3,9 GB bản đầy đủ hoặc chừng 0,3 GB bản rank-32; ComfyUI Wiki cho biết nó cũng chạy được với các bản H3 int8 và GGUF.
  • Các bản NVFP4 từ FastVideo, gồm cả biến thể FP4-attention, nhắm tới GPU Blackwell.
  • int8: Hybrid b30-49 đi kèm với mô hình nền hybrid int8, lựa chọn phổ biến trên card nhỏ hơn.
  • GGUF: chưa tìm thấy bản GGUF riêng cho các adapter; thay vào đó Turbo LoRA nhắm tới các bản GGUF của mô hình nền H3.
  • Workflow ComfyUI dựng sẵn từ Thelocallab và các tệp được Comfy-Org lưu trữ lại.

Pika H3 Flex không kiểm duyệt: tự do khi chạy cục bộ nghĩa là gì

Hiện chưa có phiên bản Pika H3 Flex không kiểm duyệt hay NSFW nào, dù chính thức hay từ cộng đồng; API lưu trữ của Pika tuân theo chính sách nội dung của nền tảng. Điều trọng số mở thay đổi là nơi clip được tạo: trên máy của chính bạn không có bộ lọc đám mây nào đứng giữa bạn và kết quả, đó là lý do các nhà sáng tạo nội dung người lớn chạy mô hình H3 mở và LoRA phong cách tại máy. Nếu không có GPU mạnh, công cụ ảnh thành video tại đây mang đến chuyển động không bộ lọc tương tự từ một bức ảnh duy nhất cho các cảnh người lớn (18+).

Biến ảnh người trưởng thành thành clip video ngắn ngay trên trình duyệt.

Mở ảnh thành video

Tự chạy Pika H3 Flex so với tạo trực tuyến trên Spicy AI

Tự chạy Pika H3 Flex cho bạn toàn quyền kiểm soát và hoạt động ngoại tuyến, nhưng đòi hỏi GPU mạnh, tải mô hình và chút mày mò với ComfyUI. Tạo trực tuyến bỏ qua tất cả: tải ảnh lên, viết chuyển động và âm thanh, rồi nhận lại clip ngắn ngay trên trình duyệt.

Triển khai cục bộ (trọng số chính thức)Spicy AI trực tuyến
Bộ lọc nội dungKhông thêm khi chạy cục bộKhông có bộ lọc nội dung cho cảnh người lớn (18+)
Trọng số mởCóKhông cần — chạy trên trình duyệt
Mô hìnhAdapter Pika H3 Flex trên MiniMax H3Mô hình video không kiểm duyệt tương tự, lưu trữ trực tuyến
Thử công cụ tạo video từ ảnh trực tuyến →

Câu hỏi thường gặp

Pika H3 Flex là gì?

Đó là một cặp adapter LoRA mở, FL2VA và Ref2VA, được Pika Labs phát hành ngày 29 tháng 10 năm 2026 cho mô hình MiniMax H3. Chúng tạo video 5 đến 15 giây có âm thanh trong sáu bước.

Nó phù hợp nhất để làm gì?

Pika H3 Flex mạnh nhất ở các clip ngắn một cảnh cần có âm thanh ngay từ đầu: quảng cáo sản phẩm, màn hài kiểu sitcom, tiêu đề khớp nhịp, cover nhảy, khoảnh khắc thể thao và clip thời trang người lớn (18+). Phim dài nhiều cảnh không phải thế mạnh của nó.

Tải ở đâu?

Các adapter nằm trên Hugging Face tại Pika-Labs/Pika-H3-Flex, mã nguồn và tài liệu có trên GitHub. Chúng được nạp lên trên mô hình nền mở MiniMax H3.

Cần bao nhiêu VRAM?

Pika chỉ nói Pika H3 Flex chạy trên một GPU và đã được thử trên H100 80 GB, có hỗ trợ offload sang CPU. Không có mức tối thiểu, nên card phổ thông dựa vào các thiết lập int8, NVFP4 hoặc Turbo LoRA của cộng đồng.

Có thể tạo video 4K tại máy không?

Không. Đầu ra cục bộ là 480p hoặc 768p. Từ 1080p đến 4K chỉ có qua API, và upscaler 4K được hứa mở mã nguồn nhưng chưa có ngày.

Nên chọn FL2VA, Ref2VA hay Hybrid?

Dùng FL2VA cho clip từ văn bản, ảnh và khung đầu–khung cuối, Ref2VA cho tham chiếu, và thử Hybrid b30-49 thử nghiệm khi bạn muốn tham chiếu với ít lỗi hình hơn.

Có thể chồng Turbo LoRA với Hybrid không?

Tác giả Hybrid khuyên không nên chồng LoRA turbo hay Lightning. Turbo LoRA là một hướng riêng với 2, 4 hoặc 8 bước.

Một clip có thể dùng bao nhiêu tham chiếu?

Trong Pika H3 Flex Ref2VA, tối đa 12 tệp: nhiều nhất chín ảnh, ba video và ba clip âm thanh, trong đó có ít nhất một ảnh hoặc video.

Nguồn tham khảo

Tất cả mô hình AI không kiểm duyệt →

Pika và MiniMax là nhãn hiệu của các chủ sở hữu tương ứng. Các bản dựng cộng đồng là sản phẩm của bên thứ ba. Mọi nội dung phải mô tả người trưởng thành (18+).

Sign in

Welcome to Spicy AI

or