PikaStream 1.0: Pika Labs gibt jedem KI-Agenten ein Gesicht, eine Stimme und einen Platz in Ihrem Meeting

Der Kurswechsel, den niemand erwartet hat

Pika Labs hat seinen Ruf mit kreativen Werkzeugen aufgebaut. Pika 2.5 machte Text-to-Video zugänglich. Pika Effects verwandelte statische Bilder in Bewegtbilder. Die Richtung schien klar: schönere Clips, längere Laufzeiten, bessere Physik.

Dann lieferten sie PikaStream, und die Richtung änderte sich grundlegend.

Statt im Wettbewerb um Clip-Qualität mitzulaufen (ein Rennen, das Runway, Kling und Google bereits bestreiten), hat Pika eine Echtzeit-Video-Engine entwickelt, die für Live-Interaktion konzipiert ist. Der Zielnutzer ist kein Filmemacher. Es ist ein KI-Agent.

Was PikaStream konkret leistet

Das Kernprodukt ist ein eigenständiges Skill-Modul, das sich in KI-Coding-Agenten wie Claude Code, OpenAI-Assistenten oder beliebige Systeme mit Pika-Developer-API-Unterstützung einbinden lässt. Nach der Installation kann der Agent:

• Einem Google-Meet-Anruf beitreten mit einem vollständig gerenderten Avatar
• Mit einer geklonten Stimme sprechen (kurze Stimmprobe aufnehmen, der Agent spricht wie Sie)
• Kontext und Gesprächsverlauf speichern aus früheren Unterhaltungen
• Aufgaben während des Anrufs ausführen (Code schreiben, Daten suchen, Aktionen auslösen)

Der Avatar ist kein statisches Bild mit aufgesetzter Lippensynchronisation. PikaStream generiert personalisiertes Video mit bis zu 30 FPS bei 480p Auflösung, angetrieben von einer Echtzeit-Diffusions-Pipeline auf einem einzelnen H100-GPU.

Unter der Haube: FlashVAE und Streaming DiT

Zwei architektonische Innovationen ermöglichen die Echtzeitleistung.

FlashVAE ist ein vollständig Transformer-basierter Variational Autoencoder, der von Grund auf trainiert wurde. Er stellt seinen eigenen latenten Raum bereit und rekonstruiert Video durch Streaming-Dekodierung mit Hunderten von Bildern pro Sekunde bei minimalem GPU-Speicherbedarf. Diese Komponente macht Echtzeit-Ausgabe realisierbar, ohne eine GPU-Farm zu benötigen.

Der 9-Milliarden-Parameter Diffusion Transformer (DiT) nutzt einen cleveren Trainingsansatz: Ein bidirektionales Lehrermodell wird durch optimiertes Self-Forcing in ein kausales, autoregressives Schülermodell destilliert. Dies ermöglicht Chunk-für-Chunk-Streaming bei Echtzeit-Bildraten, ähnlich wie Sprachmodelle Text Token für Token ausgeben.

Warum das wichtiger ist als ein weiteres hübsches Videomodell

Der KI-Videomarkt im April 2026 ist dicht besetzt. Runway Gen-4.5 liefert Kinoqualität. Kling 3.0 erstellt Multi-Shot-Storyboards. Seedance 2.0 generiert Audio und Video gleichzeitig. Google Veo 3.1 ist überall vertreten.

PikaStream konkurriert mit keinem davon.

Es konkurriert mit Zoom-Avataren, Synthesia-artigen Präsentatoren und dem gesamten Konzept "Sie müssen vor der Kamera präsent sein". Der Unterschied: PikaStream-Avatare sind weder voraufgezeichnet noch geskriptet. Sie reagieren, antworten und handeln in Echtzeit.

Das Konzept des "KI-Selbst"

Pika verfolgt auch einen Verbraucheransatz, den sie Pika AI Self nennen. Die Idee: Erstellen Sie eine digitale Version von sich selbst, die Meetings in Ihrem Namen besuchen kann. Ihr Avatar sieht aus wie Sie, spricht wie Sie (über Stimmklonung) und hat Zugriff auf Ihren Kalender, Ihre Notizen und Ihren Gesprächsverlauf.

Das ist keine Science-Fiction mehr. Die Beta funktioniert heute bereits auf Google Meet, Unterstützung für Zoom und FaceTime folgt in Kürze.

Die Auswirkungen auf die Remote-Arbeit sind unmittelbar:

• Überspringen Sie das Meeting, senden Sie Ihr KI-Selbst mit Kontext zu dem, was Sie benötigen
• Lassen Sie den Agenten Notizen machen, Entscheidungen innerhalb definierter Grenzen treffen und Bericht erstatten
• Mehrere Meetings gleichzeitig, jeweils mit Ihrer konsistenten Präsenz

Preisgestaltung und Zugang

PikaStream kostet 0,20 $ pro Minute Meeting-Teilnahme. Für ein 30-minütiges Meeting sind das 6 $. Verglichen mit dem Einsatz eines menschlichen Vertreters oder dem vollständigen Verpassen des Meetings funktioniert die Kostenrechnung für bestimmte Anwendungsfälle: Status-Updates, Informationssammlung, Routine-Abstimmungen.

Das Skill-Modul ist über die Pika Developer API verfügbar und kann als Modul in kompatiblen Agenten-Frameworks installiert werden. Google Meet ist die einzige unterstützte Plattform zum Start.

Was das für die Branche signalisiert

PikaStream steht für eine Kategorientrennung im Bereich KI-Video. Auf der einen Seite: Offline-Generierung (Runway, Kling, Veo) mit Fokus auf Content-Erstellung. Auf der anderen: Echtzeit-Generierung für Live-Interaktion, Telepräsenz und die Verkörperung von Agenten.

Die Modelle, die schöne 2-Minuten-Clips generieren, und die Modelle, die Live-Avatare mit 30 FPS antreiben, lösen unterschiedliche Probleme. PikaStream ist der erste ernsthafte Eintrag in der zweiten Kategorie, und es wird nicht der letzte sein.

Für Entwickler und Kreative lautet die Frage nicht mehr nur "Wie kann KI-Video aussehen?" Sie lautet: "Wo kann KI-Video auftauchen, und was kann es dort bewirken?"