Открытые веса догнали закрытые. С оговоркой в шесть шагов.

Pika выпустила H3 Flex — видеомодель, которая собирает клип со звуком за шесть шагов вместо пятидесяти. Пятнадцать секунд в 768p со стереодорожкой — меньше десяти секунд счёта. В рейтинге слепых сравнений она седьмая в мире и первая среди моделей с открытыми весами.

Только «открытость» тут хитрая. Flex — не новая архитектура, а два адаптера поверх чужой базовой модели MiniMax H3, да ещё под её же общинной лицензией. Открыли не фундамент, а надстройку.

Зато входов двенадцать: девять картинок, три видеофрагмента и звук — можно задавать лица, движение камеры и хореографию. А на выходе раздельные дорожки: речь, музыка, шумы, атмосфера.

Вопрос не в том, кто быстрее считает. Вопрос — чья модель останется базовой, когда все научатся дообучать её за выходные.

#нейросети #видео #open-source