本文へスキップ
VibePaper
青い時刻、濃いコートの人物が古い木の桟橋に背を向けて立ち、穏やかな水面と低い丘を見ている

キーフレーム・キュー · 2026年11月2日16分で読めます

Pika H3 Flex:最初と最後のフレームに音を乗せる

二枚の静止画がクリップを決める。Seedance 2.5 が渡るのはその間だけで、音は同じショットに乗る。

開始の静止画を固定する

VibePaper に Pika H3 Flex はない。ロック画面でも、電話の背景でも、机の配置でもない。キーフレームの手順だ。Paper Gen で開始と終了の静止画を描き、キャンバスで見比べ、Seedance 2.5 に間を渡らせ、音声はオンのままにする。

開始
Seedream 5.0 の静止画
着地
二枚目の静止画
動き
Seedance 2.5
音
オン、ミックス一つ

10月29日H3 Flex を発表

6ステップ映像とステレオを同時に

5–15秒公表された長さ

1,288DesignArena Elo、11月1日

Pika は 2026年10月29日に H3 Flex を発表した。11月1日の報道は、MiniMax H3 をポストトレーニングしたオープンウェイトで、映像と同期したステレオ音声を6ステップの1パスで出す、と書いている。ベースは50ステップだった。LoRA アダプタは二つ。一つはテキストから動画と、最初と最後のフレーム条件。もう一つはマルチモーダル参照で、最大12ファイル、内訳は画像9、動画3、音声3。ネイティブは 480p か 768p、5秒から15秒。1080p、2K、4K と、五つの音声ステムへの分離は Pika のホスト API だけ。その発表は読める。キーフレームの半分は、ここで Seedream 5.0 と Seedance 2.5 を使って作れる。

出発のフレームと着地のフレームを先に書く。モデルが歩くのは、その間だけだ。

キュー

五つの手順

リンクがセットするのはモデルとプロンプトだけ。比率、長さ、入力モード、音声はセットしない。Paper Gen はプロンプトを一度読み、アドレスバーから外す。再読み込みで次の編集は消えない。

  1. 01

    Paper Gen で静止画を二枚描く。

    既定の画像モデルは Seedream 5.0。生成の前に比率を決める。開始と着地は場所、コート、光を共有する。「もう4枚」はそのプロンプトのまま四枚のバリエーションを作る。Paper Gen にスタイルはない。

  2. 02

    二枚をキャンバスに置く。

    「Canvas で続ける」は、保存されたファイルにプロンプトがつながったボードを開く。開始と着地を並べる。部屋の説明が食い違うなら、一文を直して再生成する。食い違いを動画モデルに発明させない。

  3. 03

    二枚が同じ調子を着るときだけグレードする。

    画像カードを選ぶ。スタイルはキャンバスの生成行にある。プリセットは断片をプロンプトへ足す。桟橋や扉は置き換わらない。二枚とも同じグレードか、どちらもなし。片方だけだとつなぎでちらつく。

  4. 04

    Seedance 2.5 で間を渡る。

    動画ノード、または Paper Gen の動画欄を「開始・終了フレーム」にする。開始の静止画を開始フレーム、着地を終了フレームに付ける。このモードは比率を adaptive に固定する。長さは 4 から 30 秒の固定値。既定は自動。音声は既定でオン。書くのは変化だけ。

  5. 05

    二枚で足りないときは参照にする。

    一枚の「動画にする」は動画へ切り替え、その一枚を参照として付ける。終了フレームは置かない。参照は画像30、動画10、音声10まで。開始・終了フレームは画像二枚だけで、音声クリップは取れない。逆なら「フレームを入れ替え」。

公表 / こちら

H3 Flex が公表したことと、こちらでの置き場所

左は 10月29日の発表を、11月1日の報道から自分の言葉で要約したもの。右は VibePaper にある操作か、ない場合はその欠落。

H3 Flex が公表したことと、こちらでの置き場所
公表VibePaper
MiniMax H3 のオープンウェイトなポストトレーニング。アダプタの重みは Hugging Face、MiniMax H3 コミュニティライセンス。推論コードは Apache 2.0。ComfyUI と Diffusers が統合先として名指しされている。ピッカーに Pika H3 Flex はなく、その重みもここではダウンロードしない。静止画は Seedream 5.0。動きは既定の動画モデル、Seedance 2.5。
映像と同期ステレオを6ステップの1パスで。ベースは50ステップ。ネイティブは 480p か 768p、5〜15秒の整数秒、24 fps、H.264 と 32 kHz ステレオ AAC。Lapaas Voice はアスペクト比を11種と書く。Seedance 2.5 は Paper Gen で 4〜30秒、480p か 720p。音声はトグルで既定オン。768p もフレームレート制御もない。開始・終了フレームは比率を adaptive に固定する。
アダプタは二つ。一つはテキストから動画と最初・最後フレーム。もう一つは参照最大12、画像9、動画3、音声3。Seedance 2.5 の入力モードは二つ。開始・終了フレームは開始画像一枚と着地画像一枚。参照は画像30、動画10、音声10まで。上限は別の製品だ。三枚目を開始・終了フレームへ入れない。
1080p、2K、4K のアップスケールと五つの音声ステムは、Pika のホスト API だけ。ダウンロードできるモデルは下書き。Paper Gen の解像度は 480p か 720p。下書きプレビューは 480p に固定される。キャンバスのボタンは「1080p の最終版を生成」で、そのプレビューから作る。2K も 4K も、ステム書き出しもない。
2026年11月1日時点で Silicon Noon は、DesignArena の動画ボード8位、Elo 1,288、817対戦、オープンウェイトでは最上位、と置いた。発表時に Pika が報じたのは7位、Elo 1,293。Wan 3.0 は4位だがオープンウェイトはない。MiniMax H3 は11位。この順位は VibePaper の評価ではなく、ボードは動く。ここで Seedance 2.5 を選ぶのは、開始フレームと終了フレームを取れ、音声をオンにできるから。見積もりが揃うと、生成ボタンに費用が出る。
よく引かれる「15秒・768p が約7秒」は transformer の計算時間で、待ち時間全体ではない。Silicon Noon は別の内部計測も書く。NVIDIA B300 が八枚、音声付き5秒・768p の総推論が 3.409 秒から 2.129 秒、スケジュールは固定。二つの数字は一つの高速化ではない。こちらでショットを組むとき、どちらの時間も使わない。Seedance 2.5 は6ステップの日程を公表していない。長さを決め、生成し、フレームを見る。着地が添付した静止画でなければ、一文を直す。

三つの見た目

まず開始と終了。仕事がそれでなければ参照にする

動きを頼む前に静止画を二枚出す。最初の二つは開始・終了フレーム。三つ目は参照だ。人物と雨は材料で、スタートと終わりではない。

01桟橋、近くから遠くへ

  • モード: 開始・終了フレーム。
  • グレード: オフ。
  • カメラ: オフ。
青い時刻、濃いコートの人物がカメラ近くの濡れた木の桟橋に立ち、顔は見えない
開始フレーム
同じ桟橋。コートの人物は向こうで小さく、手前の板は空
終了フレーム

昭和レトロは暖かい古いフィルムと静かな懐古を足す。この時刻は青い。スタイルは切る。切らないと着地が開始と合わない。プッシュインは被写体へ寄る移動だ。この歩行は遠ざかる。経路は二枚の静止画がすでに決めている。

  1. 開始の静止画。 Paper Gen、Seedream 5.0。16:9 は自分で。リンクはセットしない。顔は隠したまま。
  2. 着地の静止画。 同じ桟橋、同じコート、人物は向こうで小さい。キャンバスで二枚を並べてから、グレードを決める。
  3. 歩行。 Seedance 2.5、開始・終了フレーム。長さは8秒。自動にしない。音声はオン。カメラはオフ。
開始フレーム

青い時刻、穏やかな水面に伸びる古い木の桟橋。16:9。オリジナルの成人が濃いウールのコートを着て、カメラに近い橋の入口に背を向けて立つ。顔は見えない。板は濡れ、空は淡く、遠くに低い丘。自然光、細かい粒子。文字なし。ロゴなし。

Seedream 5.0。生成前に 16:9 を自分で。

開始の静止画を開く
終了フレーム

同じ桟橋、同じカメラの高さ、同じ青い時刻、同じコート。人物は橋の向こうで小さく、まだ背を向けている。手前の板は空。新しい物体は足さない。文字なし。ロゴなし。

丘や杭がずれたら、この静止画をやり直す。動画のパスに場所を直させない。

着地の静止画を開く
動き

同じ桟橋、同じコート。人物はカメラに背を向けたまま板の上を歩き、橋の向こうで小さくなる。ワンカット。カットしない。振り返らない。水と足音だけ。音楽なし。セリフなし。文字なし。

開始フレームは近い静止画、終了フレームは遠い静止画。逆ならフレームを入れ替える。比率は adaptive に固定される。

この歩行を開く

02扉、閉まってから開く

  • モード: 開始・終了フレーム。
  • グレード: シネマティック → サスペンス。二枚とも冷たくできるときだけ。
  • カメラ: オフ。
薄暗い廊下の突き当り、閉まった古い木の扉。暖かい光は扉の下だけ
開始フレーム
同じ廊下。木の扉が開き、暖かい光が空の部屋の床にある
終了フレーム

サスペンスは冷たい低露出、高コントラストを足す。扉の下の暖かい漏れが青へ寄ることがある。その灯を暖かく残すならスタイルを外す。二枚ともか、どちらもなし。誰も歩いて通らない。

  1. 閉。 扉一枚、光の漏れ一つ、人はいない。Seedream 5.0、16:9。
  2. 開。 同じ廊下、扉は開き、部屋は空。キャンバスで壁と床が最初の静止画のものか確認する。
  3. ラッチ。 開始・終了フレーム。長さ6秒。音声はオン。プロンプトはラッチ、それから部屋のトーン。ステムは出ない。
開始フレーム

狭い廊下、記録的な光。突き当りに閉まった古い木の扉。暖かい光は扉の下だけから漏れ、擦れた床に落ちる。誰もいない。文字なし。ロゴなし。

空の廊下。後の動きのプロンプトに人物を足さない。

閉まった扉を開く
終了フレーム

同じ廊下、同じ扉が内側に開いている。暖かい光が、向こうの空の部屋の床に落ちる。誰もいない。家具なし。文字なし。ロゴなし。

カメラの高さは閉まった扉と同じ。角度を変えると別のショットになる。

開いた扉を開く
動き

同じ廊下。扉が内側に開く。誰も入らない。暖かい光が床に広がる。ワンカット。カットしない。ラッチの音、それから部屋のトーン。音楽なし。セリフなし。文字なし。

動作は一つ、扉が開く。固定の長さ。自動にしない。カメラはオフ。

このラッチを開く

03人物と雨を参照にする

  • モード: 参照。開始・終了フレームではない。
  • グレード: オフ。
  • カメラ: オフ。
濃いセーターの人物が、雨の高い窓の前に背を向けて立つ
参照、人物
人のいない古い窓。ガラスに雨、外は葉のない木
参照、天気

開始・終了フレームにすると、人物と空の窓がスタートと終わりになり、人物がフレームから出ていく。二つは材料だ。参照は音声も取れる。最大十本、各2〜30秒。開始・終了フレームは音声を取れない。AIリアルは毛穴の肌と 35mm のクローズアップを足す。これは広い後ろ姿だ。切っておく。

  1. 人物。 静止画一枚。顔は隠れ、窓の前に立つ。Seedream 5.0。
  2. 天気。 二枚目は同じ窓で、人はいない。参照であり、開始と終了ではない。
  3. 留める。 動画欄で参照を選ぶ。開始・終了フレームにしない。二枚とも付ける。長さ8秒。音声はオン。雨を書く。開始と終了には置かない。
参照、人物

簡素な部屋、灰色の昼光。オリジナルの成人が濃いセーター姿で、高い古い窓の前に背を向けて立つ。ガラスに雨、外は葉のない木。顔は見えない。手は体の横。文字なし。ロゴなし。

オリジナルの成人。実在の人物の写真はアップロードしない。

人物を開く
参照、天気

同じ古い多分割の窓。人はいない。ガラスの雨粒、外は葉のない木と湿った地面。灰色の昼光、古い木枠。文字なし。ロゴなし。

この静止画に人はいない。雨であり、終了フレームではない。

天気を開く
動き

人物は窓の前に留まる。振り返らず、歩き出さない。雨がガラスの上を動き、木がわずかに揺れる。ワンカット。カットしない。雨と部屋のトーンだけ。音楽なし。セリフなし。文字なし。

参照モード。欄が開始・終了フレームのままだと、人物がスタート、空の窓が終わりになる。

この静止を開く

ミックス一つ

音声はオン。ステムはここにはない。

H3 Flex は同じパスに同期ステレオを書く。Pika のホスト API がそのミックスを五つのステムに分ける。ローカルの重みは分けない。Seedance 2.5 の音声は既定でオンのトグルで、返るのはミックス一つ。動きのプロンプトで、音の仕事を書く。

Pika のホスト側の五つ

  1. 01
    ダイアログ

    話される言葉。この三つの見た目にはない。プロンプトにそう書く。

  2. 02
    スコア

    音楽。キューが要らなければ書かない。

  3. 03
    効果音

    設計された音。ラッチは、書けばこちら。

  4. 04
    フォーリー

    足音、布、フレームに置かなかったカップ。

  5. 05
    アンビエンス

    水、雨、部屋のトーン。

この五つのファイルは VibePaper から書き出さない。参照モードでは音声を最大十本、各2〜30秒付けられる。開始・終了フレームは音声を取らない。桟橋と扉は音をプロンプトに書き、音声はオンのまま。下書きプレビューは 480p 固定で、安いパスだ。キャンバスの「1080p の最終版を生成」は、そのプレビューから完成ショットを作る。

同じ桟橋。コートの人物は向こうで小さく、手前の板は空

着地のフレームは決定であり、願いではない。

桟橋を開き、16:9 にする。向こうの人物が同じコート、同じ板になるまで、歩行は生成しない。

歩行を動かす

続ける

出典

H3 Flex の数字は Silicon Noon(2026年11月1日)と Lapaas Voice(発表日 2026年10月29日、記事は 2026年11月1日)による。Seedance の制限は、この製品の現在の seedance2-5 定義。4〜30秒、480p か 720p、開始・終了フレームか参照、音声は既定でオン。下書きプレビューは 480p に固定される。

Silicon Noon、2026年11月1日6ステップ、LoRA 二つ、480p/768p、5〜15秒、ホスト側の 1080p/2K/4K と五ステム、Apache 2.0 の推論コード、DesignArena 8位、Elo 1,288。Lapaas Voice、2026年11月1日2026年10月29日発表。MiniMax H3 のポストトレーニング、参照12、24 fps、アスペクト比11、Hugging Face のアダプタ、五ステムの名前。「約7秒」は transformer の計算。

質問

VibePaper に Pika H3 Flex はあるか。

ない。H3 Flex は Pika が MiniMax H3 をポストトレーニングしたオープンウェイトで、2026年10月29日に発表された。このガイドが使うのは Paper Gen、無限キャンバス、Seedream 5.0、Seedance 2.5。

最初と最後のフレームはどこで決めるか。

Seedance 2.5 で、参照から「開始・終了フレーム」へ切り替える。画像を一枚、開始フレームに、もう一枚を終了フレームに付ける。比率は adaptive に固定される。このページのリンクがセットするのはモデルとプロンプトだけ。

「動画にする」は二枚とも付けるか。

付けない。動画の欄へ切り替え、その一枚を参照として付ける。終了フレームは自分で足す。参照のままだったら、先にモードを変える。

五つの音声ステムは書き出せるか。

できない。五つは Pika のホスト API。Seedance 2.5 は音声がオン、つまり既定のとき、ミックスを一つ返す。参照は音声を最大十本取れる。開始・終了フレームは取れない。

4K で仕上げられるか。

ここではできない。H3 Flex の 1080p、2K、4K は Pika のホスト側アップスケール。Paper Gen は 480p か 720p。下書きプレビューは 480p 固定。キャンバスのボタンは「1080p の最終版を生成」。

ブログ