PikaStream 1.0: Pika Labs annab igale tehisintellektiagendile näo, hääle ja koha sinu koosolekul

Pööre, mida keegi ei oodanud

Pika Labs rajas oma maine loovate tööriistade peale. Pika 2.5 tegi tekstist videoks loomise kättesaadavaks. Pika Effects muutis staatilised pildid liikuvaks. Suund tundus selge: ilusamad klipid, pikem kestus, parem füüsika.

Siis avaldasid nad PikaStreami ja suund muutus järsult.

Selle asemel, et võistelda klippide kvaliteedi poolest (võidujooks, milles Runway, Kling ja Google juba osalevad), ehitas Pika reaalajas videomootori, mis on loodud live-suhtluseks. Sihtkasutaja ei ole filmitegija. See on tehisintellektiagent.

Mida PikaStream tegelikult teeb

Põhitoode on iseseisev oskustemoodul, mis ühendub tehisintellekti koodimisagentidega nagu Claude Code, OpenAI assistendid või mis tahes Pika Developer API-d toetav süsteem. Pärast paigaldamist saab agent:

• Liituda Google Meet kõnega täielikult renderdatud avatariga
• Rääkida kloonitud häälega (salvestad lühikese näidise ja agent räägib nagu sina)
• Hoida mälus varasemaid vestlusi ja konteksti
• Täita ülesandeid kõne ajal (kirjutada koodi, otsida andmeid, käivitada tegevusi)

Avatar ei ole staatiline pilt huulte sünkroonimise kihiga. PikaStream genereerib isikupärastatud videot kuni 30 FPS kiirusega ja 480p resolutsiooniga, mida juhib reaalajas difusioonitoru ühel H100 GPU-l.

Kapoti all: FlashVAE ja Streaming DiT

Kaks arhitektuurilist innovatsiooni teevad reaalajas jõudluse võimalikuks.

FlashVAE on täielikult Transformer-põhine Variational Autoencoder, mis on nullist treenitud. See pakub oma latentset ruumi ja rekonstrueerib videot voogedastuse dekodeerimise teel sadade kaadrite sekundikiirusega minimaalse GPU-mäluga. See on komponent, mis teeb reaalajas väljundi teostatavaks ilma GPU-farmita.

9B Diffusion Transformer (DiT) kasutab nutikat treeningunippi: kahesuunaline õpetajamudel destilleeritakse kausaalseks autoregressiivseks õpilaseks optimeeritud enesejõustamise kaudu. See võimaldab tükkhaaval voogedastust reaalajas kaadrisagedustega, sarnaselt sellega, kuidas keelemudelid teksti token haaval edastavad.

Miks see on olulisem kui järjekordne ilus videomudel

Tehisintellekti videomaastik 2026. aasta aprillis on tihe. Runway Gen-4.5 pakub kinokvaliteeti. Kling 3.0 loob mitmekaadrilisi storyboarde. Seedance 2.0 genereerib heli ja videot koos. Google Veo 3.1 on kõikjal.

PikaStream ei konkureeri ühegagi neist.

See konkureerib Zoom avataridega, Synthesia-tüüpi esitlejatega ja kogu kontseptsiooniga "sa pead kaamera ees olema." Erinevus on selles, et PikaStreami avatarid ei ole eelsalvestatud ega skriptitud. Nad reageerivad, vastavad ja tegutsevad reaalajas.

"Tehisintellekti-mina" kontseptsioon

Pika arendab ka tarbijanurka, mida nad nimetavad Pika AI Self. Idee: loo oma digitaalne versioon, mis saab sinu eest koosolekutel osaleda. Sinu avatar näeb välja nagu sina, kõlab nagu sina (häälekloonimise kaudu) ja omab ligipääsu sinu kalendrile, märkmetele ja vestlusajaloole.

See ei ole enam ulme. Beetaversioon töötab juba täna Google Meetis, Zoom ja FaceTime tugi on peagi tulemas.

Mõju kaugtööle on kohene:

• Jäta koosolek vahele, saada oma tehisintellekti-mina vajaliku kontekstiga
• Lase agendil teha märkmeid, langetada otsuseid määratud piirides ja anda aru
• Mitu koosolekut korraga, igaühes sinu järjepidev kohalolek

Hinnastamine ja ligipääs

PikaStreami hind on $0,20 minutis koosolekul osalemise eest. 30-minutise koosoleku puhul on see $6. Võrreldes inimesindaja saatmise või koosoleku täieliku vahele jätmisega, töötab majanduslik loogika teatud kasutusjuhtumite puhul: olekuuuendused, teabe kogumine, rutiinsed kontrollid.

Oskus on saadaval Pika Developer API kaudu ja seda saab paigaldada moodulina ühilduvatesse agendiraamistikesse. Google Meet on ainus toetatud platvorm avaldamise hetkel.

Mida see tööstusele signaliseerib

PikaStream esindab kategooriajagunemist tehisintellekti videos. Ühel poolel: offline-genereerimine (Runway, Kling, Veo) sisuloome fookusega. Teisel: reaalajas genereerimine live-suhtluse, kaugkohalolu ja agentide kehastamise jaoks.

Mudelid, mis genereerivad ilusaid 2-minutilisi klippe, ja mudelid, mis juhivad live 30 FPS avatarid, lahendavad erinevaid probleeme. PikaStream on esimene tõsine sisenemine teise kategooriasse ja see ei jää viimaseks.

Loojate ja arendajate jaoks ei ole küsimus enam ainult "milline saab tehisintellekti video välja näha?" Vaid "kus saab tehisintellekti video ilmuda ja mida see seal teha saab?"