Le fait
La start-up américaine Pika a lancé le 29 octobre 2026 Pika H3 Flex, une famille de modèles qui génère de la vidéo avec un son stéréo synchronisé. Elle est obtenue par post-entraînement de MiniMax H3, le modèle vidéo de l’éditeur chinois MiniMax. Les poids sont publiés sur Hugging Face sous forme de deux adaptateurs LoRA (petites couches ajoutées au modèle de base) : FL2VA, piloté par le texte et des images de début ou de fin, et Ref2VA, qui accepte jusqu’à 12 références (9 images, 3 vidéos, 3 sons).
Contexte
Pika a ramené la génération de 50 étapes de débruitage à 6 par distillation, puis ajouté un apprentissage par préférences humaines. En local, le modèle produit des clips de 5 à 15 secondes en 480p ou 768p, à 24 images par seconde. L’API de Pika ajoute la 1080p, la 2K, la 4K et cinq pistes audio séparées (dialogues, musique, effets, bruitages, ambiance).
Les poids ne sont pas sous licence libre classique : ils relèvent de la licence communautaire MiniMax H3. Les composants de base pèsent environ 210 Go, et Pika indique des tests sur GPU H100 de 80 Go.
Pourquoi ça compte
La vidéo générée avec son devient un produit qu’on peut faire tourner chez soi, au moins en définition moyenne. Pika revendique la première place parmi les modèles vidéo ouverts, mais ce classement et ses scores viennent de ses propres évaluations, qui reconnaissent aussi des faiblesses en physique et en cohérence entre plusieurs scènes.
Lecture Neurone21
Pour une agence ou un service communication, l’intérêt est la maîtrise des contenus et des coûts. Mais il faut lire la licence MiniMax avant tout usage commercial, et prévoir un GPU de centre de données : ce n’est pas un modèle pour un PC de bureau.