PikaStream 1.0: Pika Labs дае кожнаму ШІ-агенту твар, голас і месца на вашай нарадзе

Паварот, якога ніхто не чакаў

Pika Labs пабудавала сваю рэпутацыю на творчых інструментах. Pika 2.5 зрабіла text-to-video даступным. Pika Effects ператварала статычныя выявы ў рух. Траекторыя здавалася відавочнай: прыгажэйшыя ролікі, даўжэйшы хранаметраж, рэалістычнейшая фізіка.

А потым яны выпусцілі PikaStream, і траекторыя рэзка звярнула ўбок.

Замест таго каб спаборнічаць у якасці кліпаў (гонка, у якой Runway, Kling і Google ўжо ўдзельнічаюць), Pika стварыла рухавік відэа рэальнага часу, прызначаны для жывога ўзаемадзеяння. Мэтавы карыстальнік тут не кінематаграфіст. Гэта ШІ-агент.

Што PikaStream робіць на практыцы

Асноўны прадукт уяўляе сабой аўтаномны модуль навыкаў, які падключаецца да ШІ-агентаў накшталт Claude Code, асістэнтаў OpenAI або любых сістэм з падтрымкай Pika Developer API. Пасля ўсталёўкі агент можа:

• Далучыцца да званка Google Meet з паўнавартасным адрэндэраным аватарам
• Гаварыць кланаваным голасам (запішыце кароткі ўзор, і агент будзе гаварыць як вы)
• Захоўваць кантэкст папярэдніх размоў і даных
• Выконваць задачы падчас званка (пісаць код, шукаць даныя, запускаць дзеянні)

Аватар, гэта не статычная выява з накладзенай сінхранізацыяй вуснаў. PikaStream генеруе персаналізаванае відэа з частатой да 30 FPS у раздзяленні 480p, выкарыстоўваючы канвеер дыфузіі рэальнага часу на адным GPU H100.

Пад капотам: FlashVAE і патокавы DiT

Дзве архітэктурныя інавацыі забяспечваюць прадукцыйнасць у рэальным часе.

FlashVAE - гэта цалкам Transformer-based варыяцыйны аўтакадавальнік, навучаны з нуля. Ён надае ўласную латэнтную прастору і аднаўляе відэа праз патокавае дэкадаванне са хуткасцю сотні кадраў у секунду пры мінімальным спажыванні памяці GPU. Менавіта гэты кампанент робіць генерацыю ў рэальным часе магчымай без фермы GPU.

9B Diffusion Transformer (DiT) выкарыстоўвае дасціпны прыём навучання: двунакіраваная мадэль-настаўнік дыстылюецца ў каўзальную аўтарэгрэсійную мадэль-вучня праз аптымізаванае self-forcing. Гэта дазваляе весці патокавую генерацыю часткамі з частатой кадраў рэальнага часу, падобна да таго, як моўныя мадэлі перадаюць тэкст токен за токенам.

Чаму гэта важней за чарговую прыгожую відэамадэль

Рынак ШІ-відэа ў красавіку 2026 года перапоўнены. Runway Gen-4.5 забяспечвае кінематаграфічную якасць. Kling 3.0 стварае шматкадравыя раскадроўкі. Seedance 2.0 генеруе аўдыё і відэа адначасова. Google Veo 3.1 паўсюль.

PikaStream не канкуруе ні з адным з іх.

Ён канкуруе з аватарамі Zoom, прэзентатарамі ў стылі Synthesia і самой канцэпцыяй "вы павінны быць перад камерай". Розніца ў тым, што аватары PikaStream не запісаны загадзя і не ідуць па сцэнарыі. Яны рэагуюць, адказваюць і дзейнічаюць у рэальным часе.

Канцэпцыя "ШІ-двайнік"

Pika таксама прасоўвае спажывецкі напрамак пад назвай Pika AI Self. Ідэя: стварыць лічбавую версію сябе, якая можа наведваць нарады ад вашага імя. Ваш аватар выглядае як вы, гучыць як вы (праз кланаванне голасу), і мае доступ да вашага календара, нататак і гісторыі размоў.

Гэта ўжо не фантастыка. Бэта-версія працуе ў Google Meet ужо цяпер, падтрымка Zoom і FaceTime на падыходзе.

Наступствы для дыстанцыйнай працы відавочныя:

• Прапусціце нараду, адправіўшы замест сябе ШІ-двайніка з кантэкстам пра тое, што вам трэба
• Няхай агент вядзе нататкі, прымае рашэнні ў зададзеных межах і справаздачвае па выніках
• Некалькі нарад адначасова, на кожнай ваша стабільная прысутнасць

Цэны і доступ

PikaStream каштуе $0.20 за хвіліну ўдзелу ў нарадзе. За 30-хвілінную нараду гэта $6. У параўнанні з адпраўкай жывога прадстаўніка або пропускам нарады ўвогуле, эканоміка працуе для пэўных сцэнарыяў: справаздачы пра статус, збор інфармацыі, рутынныя званкі.

Модуль даступны праз Pika Developer API і можа быць усталяваны ў сумяшчальных агентных фрэймворках. На момант запуску падтрымліваецца толькі Google Meet.

Што гэта сігналізуе для індустрыі

PikaStream абазначае падзел катэгорый у ШІ-відэа. З аднаго боку: афлайн-генерацыя (Runway, Kling, Veo), накіраваная на стварэнне кантэнту. З іншага: генерацыя ў рэальным часе для жывога ўзаемадзеяння, тэлеприсутнасці і ўвасаблення агентаў.

Мадэлі, якія генеруюць прыгожыя двуххвілінныя ролікі, і мадэлі, якія забяспечваюць аватары на 30 FPS у рэальным часе, вырашаюць розныя задачы. PikaStream, першы сур'ёзны гулец у другой катэгорыі, і ён не будзе апошнім.

Для стваральнікаў і распрацоўшчыкаў пытанне цяпер не толькі "як можа выглядаць ШІ-відэа?" Яно гучыць інакш: "дзе ШІ-відэа можа з'явіцца і што яно здольнае рабіць, апынуўшыся там?"