Pika 于 2026 年 10 月 29 日发布 H3 Flex：它是在 MiniMax H3 上继续训练、蒸馏得到的视频与音频联合生成模型，采用六步采样。想在 ComfyUI 里跑起来，关键是把任务、底模、LoRA 和采样配置配对，不能只下载一个小体积适配器就当作装好了完整模型。
本文按 ComfyUI 官方教程整理，核验日期为 11 月 3 日。我们未在消费级显卡上实测，下面的操作检查表不代表速度或画质承诺。
下载前先核对许可
权重遵循 MiniMax H3 社区许可。其中定义的适用地区不包括美国、欧盟、英国和韩国；协议指引这些地区有部署需求的用户联系 MiniMax 获取许可。能下载不等于已获部署授权。代码的 Apache-2.0 许可与权重许可是两回事，商用或分发前应阅读对应条款。
先选任务，再选适配器
| 要做什么 | 模板库中的工作流 | 必须配对的底模与 LoRA |
|---|---|---|
| 只输入文字生成音画 | Text to Video | FL2VA |
| 给首帧、尾帧或首尾两帧 | First and Last Frame | FL2VA |
| 用角色图、动作视频或声音作参考 | Reference to Video | Ref2VA |
在 Template Library → Video 中打开模板。官方标注：文生视频模板需要 ComfyUI 0.43.2 及以上，参考生成和首尾帧模板需要 0.30.0 及以上。优先更新到兼容版本，再使用模板里的模型链接。Ref2VA 需要视觉参考，不能只接一段音频。
模型文件放哪里
下面是 ComfyUI 官方教程所用的文件名。底模、编码器和两个 VAE 与既有 H3 工作流共用；新增的是两个 Flex 适配器。
models/diffusion_models/ minimax_h3_fl2va_pruned_int8_convrot.safetensors minimax_h3_ref2va_pruned_int8_convrot.safetensors models/loras/ pika_h3_flex_fl2va_v1_bf16.safetensors pika_h3_flex_ref2va_v1_bf16.safetensors models/text_encoders/ qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors models/vae/ minimax_h3_video_vae_int8_convrot.safetensors minimax_h3_audio_vae_fp32.safetensors
Pika 自己提供的 Comfy 导出包则使用 _comfy_bf16.safetensors 结尾的文件名。它是面向原生 Comfy 集成的 BF16 适配器，与原始 Pika 推理包所用的 FP32 适配器分开。下载后要在加载器里选择实际文件，并核对任务类型，不要把 Comfy 文件直接覆盖到原始推理包的适配器路径。Pika 该导出说明中的验证范围是张量转换，不是完整 Comfy 工作流出片验证。
六步配置要整套保留
| 项目 | 官方模板的配置 |
|---|---|
| LoRA 加载 | LoraLoaderModelOnly，模型强度 1.0 |
| 采样器 | lcm |
| 调度 | ManualSigmas，保留模板的完整列表 |
| 引导 | BasicGuider，CFG 1.0 |
| 额外加速 LoRA | 不叠加 Turbo 或 Lightning |
把普通 H3 工作流的步数改成 6，并不等于运行 Flex。Pika 明确说明，通用的六步 Euler 采样不能替代它训练时对应的调度。先让官方模板的节点和参数保持完整，再逐项调整画幅、参考素材与镜头。
本地与托管 API 的能力边界
官方模型卡列出的本地规格是原生 480p／768p、24 fps、混合立体声音轨。请求时长为 5–15 秒，实际输出按模型的帧网格确定。1080p、2K、4K 后处理、独立音频分轨和提示词增强属于 Pika 托管 API 扩展，不会随 LoRA 下载到本地。
Ref2VA 单类上限为 9 张图、3 段视频、3 段独立音频，但总数最多 12 个文件，不是三个上限相加。每段视频或音频为 2–15 秒，视频总时长与独立音频总时长各不超过 15 秒。输入格式允许这么多，不代表你的显存一定装得下。请对照具体推理路线的硬件说明，不要从 LoRA 体积推断完整显存需求，也不要把宣传中的模型计算耗时当成上传到下载的总耗时。
漫剧镜头怎么开始试
教学假设：准备一张已确认的角色图，做五秒镜头——角色提起灯笼，望向站台，随后停住。这个例子未经模型实测。要沿用指定开场画面，选 FL2VA；要让角色进入新构图，选 Ref2VA。每次只改一项，连同面部、服装、手与道具接触、运镜终点和声音一起检查，不能凭一条成功片段推断整集角色一致性。
Pika 的提示词指南建议用英文描述场景，对白和画面内文字保留目标语言；这是模型提示词约定，不是要求把中文对白改成英文。参考标签与素材顺序也要一一对应。
| 问题 | 优先检查 |
|---|---|
| 加载器找不到模型 | 文件目录、实际文件名、模板选项，安装后刷新列表 |
| 旧工作流改完后结果异常 | 底模与适配器任务是否一致，CFG 与 sigma 列表是否完整 |
| LoRA 很小却爆显存 | 底模、编码器、VAE、参考素材规模和卸载设置 |
| 没有单独的人声或音乐轨 | 本地输出为混音，需要另查托管分轨服务 |
家族背景见 MiniMax H3 指南。RTX 5090 实时实验用了另一套优化组合，不能直接拿来承诺 Flex 速度；fal 托管费用则见 H3 Max Turbo 价格指南。
封面为原创概念插画，不是 Pika H3 Flex 生成样片；本文也不代表 AniKuku 新增了该模型集成。