关于这个工具
Pika 提供从文本和音频生成视频的能力,其 9 亿参数的 Diffusion Transformer(DiT)模型可在压缩潜空间中生成音频,而非直接生成波形样本。 平台包含 Pika Speech 文本转语音模型:一个 3B 流匹配 Transformer,可生成录音室级 48 kHz 语音,从数秒参考音频克隆声音,并以 0.02 实时因子运行。 Pika 还支持实时视频聊天,让 AI 代理拥有面孔、24 FPS 视频,并在约 5 秒内以同步视频回应。其 API 面向开发者、爱好者和 vibecoders。 使用场景包括构建品牌身份资产、创建应用宣传视频、为 AI 代理提供实时视频聊天、带声音克隆的文本转语音,以及生成产品广告视频。
功能与使用场景
从文本和音频生成视频在压缩潜空间中生成音频3B 流匹配 Transformer 文本转语音从数秒参考音频克隆声音生成录音室级 48 kHz 语音0.02 实时因子语音生成实时视频聊天面向开发者的 API
使用分析
价格模式
价格模式
付费
低至
低至 US$1/月
定价验证于 2026年10月23日官方定价页
