10月29日H3 Flex 发布
6 步画面和立体声一起出
5–15 秒公布的片子长度
1,288DesignArena Elo,11月1日
Pika 在 2026 年 10 月 29 日发布 H3 Flex。11 月 1 日的报道把它写成 MiniMax H3 的开放权重后训练:画面和同步立体声在同一次 6 步采样里生成,基座模型原来是 50 步。随模型发布两个 LoRA 适配器。一个负责文生视频和首尾帧条件。另一个接收多模态参考,最多 12 个文件,计为 9 张图、3 段视频、3 段音频。原生输出是 480p 或 768p,5 到 15 秒。1080p、2K、4K,以及拆成五条音轨,只在 Pika 的托管 API 上。你可以去读那篇发布。关键帧这一半,可以在这里用 Seedream 5.0 和 Seedance 2.5 做。
先写下出发的那一帧,再写下落地的那一帧。模型只负责把两帧之间走完。
场记
五步,按顺序
下面的链接只设置模型和提示词。不设置比例、时长、输入模式或声音。Paper Gen 读一次提示词,就把它从地址栏拿掉,所以刷新不会冲掉你之后的修改。
- 01
在 Paper Gen 里画两张静帧。
默认图片模型是 Seedream 5.0。生成前先定比例。开场和落点要共用同一个地方、同一件大衣、同一种光。“再来 4 张”会保留这条提示词,再出四张变体。Paper Gen 没有风格芯片。
- 02
把两帧都放到画布上。
“在 Canvas 中继续”会打开一块画板,提示词连着已保存的文件。把开场静帧和落点静帧并排放。如果两张对房间的说法不一致,改一个句子再生成。不要让视频模型去发明这份一致。
- 03
只有两帧都该穿上同一种调子时才上风格。
选中图片卡片。风格芯片在画布的生成行上。预设会把一段描述追加到提示词后面,不会换掉桥或门。两帧用同一个调子,或者都不用。只给其中一帧上调,衔接时会闪。
- 04
用 Seedance 2.5 走过中间。
在画布的视频节点,或 Paper Gen 的视频栏,把模式换成“首尾帧”。开场静帧放进首帧,落点静帧放进尾帧。这个模式会把比例锁成自适应。时长设成 4 到 30 秒里的一个固定值。默认是自动。声音默认开着。提示词只写变化。
- 05
两帧不够时,改用参考。
在单张静帧上点“做成视频”,会切到视频栏,并把这一张当成参考。它不会放上尾帧。参考模式最多 30 张图、10 段视频、10 段音频。首尾帧只要两张图,不收音频。首尾放反了,用“交换首尾帧”。
公布的 / 这里的
H3 Flex 公布了什么,在这里落在哪
左列是 10 月 29 日发布、11 月 1 日报道里的内容,用我们自己的话复述。右列是 VibePaper 里对应的控件,没有对应控件就写明缺口。
H3 Flex 公布了什么,在这里落在哪| 公布的 | 在 VibePaper |
|---|
| MiniMax H3 的开放权重后训练。适配器权重在 Hugging Face,许可证是 MiniMax H3 社区协议。推理代码是 Apache 2.0,报道点名可接入 ComfyUI 和 Diffusers。 | 选择器里没有 Pika H3 Flex,这里也不下载那套权重。静帧用 Seedream 5.0。动作用 Seedance 2.5,也就是默认的视频模型。 |
|---|
| 画面和同步立体声在一次 6 步采样里完成,基座原来是 50 步。原生 480p 或 768p,5 到 15 秒且按整秒,24 fps,H.264 加 32 kHz 立体声 AAC。Lapaas Voice 写了 11 种画幅。 | Seedance 2.5 在 Paper Gen 里是 4 到 30 秒,480p 或 720p。声音是一个开关,默认开。没有 768p,也没有帧率控件。首尾帧会把比例锁成自适应。 |
|---|
| 两个适配器。一个做文生视频加首尾帧条件。另一个最多收 12 个参考:9 张图、3 段视频、3 段音频。 | Seedance 2.5 有两种输入模式。首尾帧是一张开场图加一张落点图。参考模式最多 30 张图、10 段视频、10 段音频。数量不是同一个产品。不要把第三张图塞进首尾帧。 |
|---|
| 1080p、2K、4K 放大,以及五条音轨,只在 Pika 的托管 API 上。本地下载的模型是草稿。 | Paper Gen 的分辨率是 480p 或 720p。预览草稿会强制 480p。画布上的按钮是「生成 1080p 正式版」,从那条预览做出来。没有 2K 或 4K,也没有分轨导出。 |
|---|
| 截至 2026 年 11 月 1 日,Silicon Noon 把 H3 Flex 放在 DesignArena 视频榜第 8,Elo 1,288,817 场对战,是榜上最高的开放权重模型。Pika 在发布时报的是第 7,Elo 1,293。Wan 3.0 当时第 4,但没有公开权重。MiniMax H3 第 11。 | 这个名次不是 VibePaper 的评测,榜也会动。这里选 Seedance 2.5,是因为它能收首帧和尾帧,并且可以把声音开着。报价出来之后,生成按钮上会显示费用。 |
|---|
| 常被引用的“15 秒 768p 大约 7 秒”,量的是 transformer 计算,不是完整等待。Silicon Noon 另记了一组内部计时:八张 NVIDIA B300 上,一条 5 秒 768p 带声音的片子,总推理从 3.409 秒到 2.129 秒,日程不变。这两个数字不是同一次加速。 | 在这里排镜头时,两个计时都不用管。Seedance 2.5 不公布 6 步日程。设好时长,生成,看那一帧。落点如果不是你贴上去的那张,就改一个句子。 |
|---|
三个样子
先做首尾帧。这件事如果不是首尾,就改用参考
先生成两张静帧,再要动作。前两个是首尾帧。第三个是参考,因为人和雨是材料,不是起点和终点。
首帧
尾帧昭和复古怀旧会追加暖色老胶片和安静的怀旧。这个时刻是蓝的。把风格关掉,否则落点和开场对不上。向前推进是朝主体推过去。这段路是人走远。路径已经由两张静帧定了。
- 开场静帧。 Paper Gen,Seedream 5.0。16:9 要自己设。链接不会设。脸保持看不见。
- 落点静帧。 同一座桥,同一件大衣,人在远端变得很小。在画布上把两张卡片并排放好,再决定要不要上风格。
- 这段路。 Seedance 2.5,首尾帧。时长 8 秒,不要自动。声音开着。不要运镜芯片。
首帧
蓝色时刻,一座老旧的木栈桥伸进平静的水面,16:9。一个原创成年人,深色羊毛大衣,只见背影,站在靠近镜头的桥头,脸完全看不见。桥板是湿的,天色很淡,远处是低矮的山。自然光,细颗粒。没有文字。没有标志。
Seedream 5.0。生成前自己设成 16:9。
打开开场静帧尾帧
同一座桥,同一个机位高度,同一个蓝色时刻,同一件大衣。人现在很小,站在桥的远端,仍然背对镜头。近处的桥板是空的。不要新的物体。没有文字。没有标志。
山或桥桩如果漂了,重做这张静帧。不要让视频那一步去修地点。
打开落点静帧动作
同一座桥,同一件大衣。人背对镜头沿着桥板往远处走,直到在桥的尽头变得很小。一个连续镜头。不要切。不要回头。只有水声和脚步。不要音乐。没有对白。没有文字。
首帧是近处那张,尾帧是远处那张。放反了就交换首尾帧。比例会锁成自适应。
打开这段路02一扇门,先关后开
- 模式:首尾帧。
- 调子:电影质感 → 悬疑,仅当两张都能变冷。
- 运镜芯片:关。
首帧
尾帧悬疑会追加冷色、低曝光、高对比。门缝下的暖光可能被拉向蓝。那盏光必须留暖,就把风格清掉。两张都上,或者都不上。不要有人走过去。
- 关着。 一扇门,一道漏光,没有人。Seedream 5.0,16:9。
- 开着。 同一条走廊,门开了,房间是空的。在画布上核对墙皮和地板还是第一张的。
- 门闩。 首尾帧。时长 6 秒。声音开着,提示词写门闩然后房间底噪。你不会拿到分轨。
首帧
一条窄走廊,纪实光线。尽头一扇关着的旧木门。暖光只从门缝底下漏出来,落在有磨损的地板上。空的。没有人。没有文字。没有标志。
空走廊。后面的动作提示词里不要再加人。
打开关着的门尾帧
同一条走廊,同一扇门,现在向内打开。暖光落在门后空房间的地板上。没有人。没有家具。没有文字。没有标志。
机位高度和关着的那张一致。换角度就是另一个镜头。
打开开着的门动作
同一条走廊。门向内打开。没有人走进来。暖光铺到地板上。一个连续镜头。不要切。先是门闩,然后是房间底噪。不要音乐。没有对白。没有文字。
只有一个动作:门打开。固定时长,不要自动。运镜芯片关掉。
打开这个门闩
参考,人
参考,天气如果用首尾帧,人和空窗会被当成起点和终点,人会走出画面。它们是两份材料。参考模式还可以带音频,最多十段,每段 2 到 30 秒。首尾帧不能带音频。AI真人会追加毛孔级皮肤和 35mm 近景。这是一个宽的背影。关掉。
- 人。 一张静帧,脸看不见,站在窗前。Seedream 5.0。
- 天气。 第二张是同一扇窗,里面没有人。这是参考,不是首尾。
- 停住。 在视频栏里选参考,不要选首尾帧。两张都附上。时长 8 秒。声音开着。把雨写进去。不要把它们放成首帧和尾帧。
参考,人
一间朴素的房间,灰白天光。一个原创成年人,深色毛衣,只见背影,静静站在一扇高大的旧窗前。玻璃上有雨,外面是光秃的树。脸看不见。双手垂在身侧。没有文字。没有标志。
原创成年人。不要上传真实的人的照片。
打开这个人参考,天气
同一扇旧的多格窗,画面里没有人。雨点在玻璃上,外面是光秃的树和湿地面。灰白天光,旧木头。没有文字。没有标志。
这张里没有人。它是雨,不是尾帧。
打开天气动作
人停在窗前。不回头,也不走开。雨在玻璃上移动,树轻微摇一下。一个连续镜头。不要切。只有雨声和房间底噪。不要音乐。没有对白。没有文字。
参考模式。如果视频栏还停在首尾帧,人会变成起点,空窗会变成终点。
打开这个停住一条混音
声音是开的。分轨不在这里。
H3 Flex 在同一次生成里写进同步立体声。Pika 的托管 API 再把这条混音拆成五条。本地下载的权重不拆。Seedance 2.5 有一个声音开关,默认开着,返回的是一条混音。在动作提示词里写明声音要干什么。
Pika 托管的五条
- 01
对白说出来的话。这三个镜头都没有。在提示词里写明。
- 02
- 03
- 04
- 05
你不会从 VibePaper 导出这五个文件。参考模式可以附上最多十段音频,每段 2 到 30 秒。首尾帧不收音频。栈桥和门,把声音写进提示词,并让声音保持开着。预览草稿强制 480p,是便宜的那一遍。画布上的「生成 1080p 正式版」从这条预览做出完整镜头。

落点是一个决定,不是一个愿望。
打开栈桥,设成 16:9。远处那个人还不是同一件大衣、同一块桥板之前,不要生成这段路。
让这段路动起来问题
VibePaper 里有 Pika H3 Flex 吗?
没有。H3 Flex 是 Pika 对 MiniMax H3 的开放权重后训练,2026 年 10 月 29 日发布。这篇用的是 Paper Gen、无限画布、Seedream 5.0 和 Seedance 2.5。
首帧和尾帧在哪里设?
在 Seedance 2.5 上,把参考模式换成首尾帧。一张图放首帧,一张图放尾帧。比例会锁成自适应。本页的链接只设置模型和提示词。
“做成视频”会把两帧都带上吗?
不会。做成视频会切到视频栏,并把这一张静帧当成参考。尾帧要自己加。如果还停在参考模式,要先把模式换掉。
能导出五条音轨吗?
不能。那五条是 Pika 的托管 API。Seedance 2.5 在声音开着时返回一条混音,这是默认。参考模式还可以带最多十段音频。首尾帧不能。
能收到 4K 吗?
这里不能。H3 Flex 的 1080p、2K 和 4K 是 Pika 的托管放大。Paper Gen 是 480p 或 720p。预览草稿强制 480p。画布上的按钮是「生成 1080p 正式版」。
博客
你的隐私选择
必要 Cookie 保障基本功能,统计与广告 Cookie 由你选择是否开启。
我们如何使用 Cookie
使用统计
了解网站访问与 VibePaper 的使用情况。
可选可选 Cookie 仅在你允许后启用,可随时通过 Cookie 设置更改。