關於這個工具
Pika 提供從文字和音訊生成影片的能力,其 9 億參數的 Diffusion Transformer(DiT)模型可在壓縮潛空間中生成音訊,而非直接生成波形樣本。 平台包含 Pika Speech 文字轉語音模型:一個 3B 流匹配 Transformer,可生成錄音室級 48 kHz 語音,從數秒參考音訊複製聲音,並以 0.02 即時因子運行。 Pika 還支援即時視訊聊天,讓 AI 代理擁有面孔、24 FPS 影片,並在約 5 秒內以同步影片回應。其 API 面向開發者、愛好者和 vibecoders。 使用場景包括建立品牌身份資產、建立應用宣傳影片、為 AI 代理提供即時視訊聊天、帶聲音複製的文字轉語音,以及生成產品廣告影片。
功能與使用情境
從文字和音訊生成影片在壓縮潛空間中生成音訊3B 流匹配 Transformer 文字轉語音從數秒參考音訊複製聲音生成錄音室級 48 kHz 語音0.02 即時因子語音生成即時視訊聊天面向開發者的 API
使用分析
價格模式
價格模式
付費
低至
低至 US$1/月
定價驗證於 2026年10月23日官方定價頁
