Pika 公佈音訊驅動表演模型：6 秒生成超逼真表情，速度快 20 倍

Pika 在 X 上公佈了一款全新的音訊驅動表演模型，主打超逼真的面部表情，而且生成速度接近即時。

6 秒出片，速度和成本省了 20 倍

按照 Pika 的說法，無論影片有多長、是什麼風格，這個新模型都能在 6 秒甚至更短的時間內生成 HD 高畫質畫面。

同時，他們把生成速度提升了 20 倍，成本也降到了原來的二十分之一。

Pika 表示這項能力很快就會在自家的 Pika 社交應用中上線。他們希望這項技術不只是給創作者用的工具，而是讓更多人能拿它在社交中互相連線。

為什麼重要

對普通使用者來說，以往音訊驅動口型和表情的工具要麼生成很慢，要麼表情僵硬，往往要排隊等幾分鐘。

如果真能做到 6 秒內搞定任意長度的 HD 表情影片，普通人發一段語音就能迅速生成動態影片，用來做表情包或日常互動，使用門檻會徹底被拉平。

從行業來看，影片生成正在從單純卷畫質走向拼推理速度和成本。成本降低 20 倍意味著服務商的算力壓力大幅減輕，才有可能把 AI 影片塞進移動端社交場景。

不過在我們看來，Pika 宣稱的「任意長度都在 6 秒內完成」聽起來有些反常識，實際效果和畫質穩定性如何，還要等它正式在社交應用上線後接受考驗。