Pika

Pika génère de la vidéo à partir de texte et d'audio, avec un Diffusion Transformer (DiT) de 9 milliards de paramètres qui génère l'audio dans un espace latent compressé plutôt que directement sous forme d'échantillons de forme d'onde. La plateforme inclut Pika Speech, un modèle de synthèse vocale : un transformer à correspondance de flux de 3B qui génère une parole de qualité studio à 48 kHz, clone une voix à partir de quelques secondes d'audio de référence et fonctionne à un facteur temps réel de 0,02. Pika prend également en charge le chat vidéo en temps réel, donnant aux agents IA un visage, une vidéo à 24 FPS et des réponses vidéo synchronisées en environ 5 secondes. Son API est conçue pour les développeurs, les bricoleurs et les vibecoders. Les cas d'utilisation incluent la création d'actifs d'identité de marque, la création de vidéos sizzle d'applications, le chat vidéo en temps réel pour les agents IA, la synthèse vocale avec clonage de voix et la génération de vidéos publicitaires de produits.