H3 Flex 现在最适合的，是手里有大显存机器、想研究底模二次训练的团队，这个仓库的参考价值比成片本身还大。个人玩家别急着腾硬盘。
为什么这么讲，得看官方仓库里到底放了什么。Pika 是基于 MiniMax H3 开源的这个 H3 Flex，可开放出来的只是挂在 H3 底模上的适配器，底模要另外下。音频分轨和高分辨率输出都归在托管 API 那边，本地只拿到混好的立体声。要在后期单独调人声和背景音的人，本地这条路暂时走不通。README 里的硬件要求和下载体积也先看一眼，大概率还是走云端更现实。
吸引我的也不是主打的六步完成音视频联合生成。我天天剪短视频，步数多少没那么要紧，要紧的是声音和画面一起出来。配音、环境声跟口型和动作对不上，是后期最耗时间的活，如果模型出片时就同步好，能省下不少来回对轨的功夫。
只想出片的话，把它和现在用惯的视频模型放一起比，重点看音画同步能不能真的省掉后期。这点没实测，我不下结论。