BLOG / 2026.11.21
Pika 官方博客在 11 月 18 日发表《Research Preview: Pika Enact》。页面把 Enact 写成一个实验性的实时流环境,搭建在 Pika H3 Flex 上:视频和声音按亚秒级小块生成,一边把场景上下文往后带,一边把新的导戏指令揉进正在生成的画面。小互AI 在 11 月 20 日写了中文专稿。量子位本轮没有对应稿,下文数字只取自 Pika 这篇官方博文和文中的官方演示。本站没有拿到试用,也没有在 Enact 里导过一场戏。
官方把交互收成三种:Live Staging,用鼠标在正在播放的画面里拖人物或物体;Live Actor Direction,开口或打字给演员说戏,演员会记住,喊 Action 后从第一帧重新拍成一条;Live Camera Control,用鼠标在直播画面里运镜。今天值得写的,不是又一个「出片模型发布」,而是官方把导戏动作写进了播放过程本身,并且自己给出了实验室速度和硬件条件。
三种实时操作,官方演示里能看见什么
Live Staging 的卖点写得很具体:提示词只能说「往左一点」,光标却能把对象拖到指定位置;被拖动的人和椅子与场景一起生成,官方写不会留下挖空的边缘,也不需要事后合成;视频在拖动时继续播放。官方演示里能看到台球室等场景中的人物被挪位,画面上方还叠了「DMD iter 1500, 4-step real-time server (2 GPUs)」这样的实验标注,以及 Pika 水印。博文还写:被拖动的对象会在半空中调整重心和姿势,松手后才落到新位置;官方用红点表示按住鼠标,用白圈表示松开。这些是官方演示和说明里的动作设计,不是本站的操作记录。
Live Actor Direction 把演员写成带记忆的智能体。官方写:可以对着他们说话,他们会用自己的声音、以角色身份回答;先排练、再拍摄,觉得对了就喊 Action,先前记下的内容会从第一帧重拍成一条完整的表演。演示画面里,左下角有导戏的人,中间是两个演员的中景。文中还写,排练时演员会正对镜头交谈,每句台词逐字记下;喊 Action 后,脚本模型把这段交流改写成不中断的表演。
Live Camera Control 则不要求先有一条现成视频。官方写:一张外观参考图,加上一个没贴图的 3D 动作代理,就可以开拍;鼠标控制镜头时,后续帧跟着改,而不是等离线渲染。演示把「Input Video」和「Enact Live Camera Control」并排,场景是舞厅里的一对角色,右侧镜头位置已经发生了变化。
实验室速度,要连同硬件和分辨率一起读
Live Staging 有一句最容易被单独拎出来的话:在单台服务器上,模型生成速度是播放速度的 1.8 倍;低延迟设定下,画面响应(含解码)在 H100 上低于 0.4 秒。架构段还写,模型按短因果块流式生成,标准块长 0.7 秒,低延迟档是 0.17 秒,并通过滑动键值缓存保住提示词、源视频、第一块和最近四块。
Live Actor Direction 对应的速度是另一句:画面连同声音,生成速度是播放的 1.75 倍,所以交互能按实时节奏进行。不要把 1.8 和 1.75 写成同一个数字,它们分属两种模式。
运镜的数字更依赖硬件描述。官方写,在 8×NVIDIA B300 节点、640×480、24 fps 的条件下,模型渲染初始帧用 0.51 秒,随后的块以 1.50 倍实时速度生成。后文又给出稳态计算:0.473 秒处理约 0.708 秒的一块,也合 1.50 倍实时。这些是官方自己的实验室数字,附带了节点、分辨率和帧率;它们不是浏览器里普通用户会看到的延迟承诺,本站也没有复测。
我们的判断:1.8 倍、1.75 倍和 1.50 倍都写在同一篇官方博文里,但对应的是不同模式、不同硬件。把它们收成一句「已经比实时还快」,会丢掉页面自己标出的 H100、B300 和 640×480。
它还只是研究预览
博文结尾写得很直接:Enact 目前是 research preview,「unavailable for consumer use」,普通用户用不了。整页没有给出面向普通用户的上线日期。enterprise@pika.art 在文中出现三次:两次用于训练数据访问、数据制作细节或定制训练,最后一次写给「有兴趣试用或谈集成合作」的人。小互AI 写的「想试要发邮件联系企业团队」与这句一致。但这只是一个联系入口,官方没有公布申请条件、名额或公测时间,本站也没有发过这封邮件。
技术段还透露了它此刻的工作方式。Live Staging 要在 24 fps 的鼠标状态、空间抓取热图和未改动的源视频上注入信号;为了跟上光标,官方用了少步数蒸馏,并按小块解码。Live Camera Control 则把离线的全参考教师,蒸馏成按块生成的因果学生。运镜一条还写明「不必先有现成视频」。官方把教师模型看到整段参考、学生模型按块生成这两段离线训练,画进了同一张架构图。这些说明的是研究预览里的系统怎么跑,不能理解成已经对所有套餐开放的剪辑按钮。
和「再发一个视频模型」不是同一件事
Pika 把自己的判断写在开头:下一代 AI 创作应超出提示词框,更接近现场拍戏。Enact 的三种操作都围绕同一件事——画面还在播,指示已经生效。速度数字用来证明这套循环在实验室里跟得上播放,而不是用来宣布一项新的画质榜成绩。页面没有给出与其他视频模型的公开质量对比表。
因此,读这篇 11 月 18 日的官方博文,加上 11 月 20 日的中文专稿,能确定的是:研究预览存在,三种实时操作和对应演示都在官方页上,速度数字绑定了硬件和模式,普通产品入口尚未被官方写成已经开放。不能确定的是:何时对普通用户放量,以及这些实验室速度在别的机器上会变成多少。


Список комментариев (0 записей):
Показать ещё отзывы Загрузка...