PikaStream 1.0: Pika Labs gefur öllum gervigreindaraðilum andlit, rödd og sæti á fundinum þínum

Breytingin sem enginn bjóst við

Pika Labs byggði orðstír sinn á skapandi verkfærum. Pika 2.5 gerði texta-í-myndband aðgengilegt. Pika Effects breytti kyrrstæðum myndum í hreyfingu. Stefnan virtist skýr: fallegri myndskeið, lengri tímalengdir, betri eðlisfræði.

Svo sendu þeir frá sér PikaStream, og stefnan tók óvænta beygju.

Í stað þess að keppa um gæði myndbanda (keppni sem Runway, Kling og Google eru þegar í), smíðaði Pika rauntíma myndmyndavél hönnuð fyrir lifandi samskipti. Marknotandinn er ekki kvikmyndagerðarmaður. Það er gervigreindaraðili.

Hvað PikaStream gerir í raun

Kjarnaafurðin er sjálfstæð færnieiging sem tengist gervigreindarkóðunaraðilum eins og Claude Code, OpenAI aðstoðendum eða öðru sem styður Pika Developer API. Þegar hún er uppsett getur aðilinn:

• Tekið þátt í Google Meet símtali með fullmynduðu avatar-ímynd
• Talað með klónuðu rödd (taktu stutt sýnishorn, aðilinn talar eins og þú)
• Viðhaldið minni frá fyrri samtölum og samhengi
• Framkvæmt verkefni í símtalinu (skrifað kóða, leitað í gögnum, ræst aðgerðir)

Avatar-myndin er ekki kyrrstæð mynd með varasamsvarslagi. PikaStream myndar sérsniðið myndband við allt að 30 FPS og 480p upplausn, knúið af rauntíma dreifingarleiðslu sem keyrir á einu H100 GPU.

Undir húddinu: FlashVAE og Streaming DiT

Tvær byggingarbreytingar gera rauntímaafköstin mögulegar.

FlashVAE er fullkomin Transformer-grunduð Variational Autoencoder sem var þjálfuð frá grunni. Hún veitir eigið dulingulsrými og endurbyggir myndband í gegnum straum-afkóðun við hundruð ramma á sekúndu með lágmarks GPU-minni. Þessi hluti gerir rauntíma úttak framkvæmanlegt án þess að þurfa búnt af GPU-kortum.

9B Diffusion Transformer (DiT) notar snjalla þjálfunaraðferð: tvíátta kennslulíkan er þjappað í orsakatengt sjálfvirkt nemandlíkan í gegnum fínstillta sjálfsþvingunaraðferð. Þetta gerir kleift að streyma bita-fyrir-bita við rauntíma rammatíðni, svipað og tungumálalíkön streyma texta merkki fyrir merkki.

Af hverju þetta skiptir meira máli en annað fallegt myndbandslíkan

Gervigreindar-myndbandsrýmið í apríl 2026 er þéttskipað. Runway Gen-4.5 sér um kvikmyndagæði. Kling 3.0 gerir fjöl-senusögulínur. Seedance 2.0 myndar hljóð og myndband saman. Google Veo 3.1 er alls staðar.

PikaStream keppir ekki við neitt af þessu.

Það keppir við Zoom avatar-myndir, Synthesia-stíl kynnendur, og allt hugtakið "þú verður að vera viðstaddur á myndavél." Munurinn er sá að PikaStream avatar-myndir eru ekki fyrirfram teknar eða handritaðar. Þær bregðast við, svara og bregðast við í rauntíma.

„Gervigreind-sjálfið" hugtak

Pika er einnig að ýta undir neytendahlið sem þeir kalla Pika AI Self. Hugmyndin: búa til stafræna útgáfu af þér sem getur mætt á fundi fyrir þína hönd. Avatar-myndin þín lítur út eins og þú, hljómar eins og þú (í gegnum raddklónun), og hefur aðgang að dagatalinu þínu, athugasemdum og samtalsögu.

Þetta er ekki lengur vísindaskáldskapur. Beta-útgáfan virkar á Google Meet í dag, og stuðningur við Zoom og FaceTime er væntanlegur.

Afleiðingarnar fyrir fjarvinnu eru strax augljósar:

• Sleppa fundinum, senda gervigreind-sjálfið þitt með samhengi um það sem þú þarft
• Láta aðilann taka athugasemdir, taka ákvarðanir innan skilgreindra marka og skila niðurstöðu
• Margir fundir á sama tíma, hver með samkvæmri viðveru þinni

Verðlagning og aðgangur

PikaStream er verðlagt á $0,20 á mínútu af fundaþátttöku. Fyrir 30 mínútna fund er það $6. Í samanburði við að senda mannlegan fulltrúa eða missa af fundinum algjörlega, virkar hagfræðin fyrir ákveðnar aðstæður: stöðuuppfærslur, upplýsingaöflun, reglubundin skoðunarfundir.

Færnin er tiltæk í gegnum Pika Developer API og hægt er að setja hana upp sem einingu í samhæfðum aðilarammaverkum. Google Meet er eini studdi vettvangurinn við útgáfu.

Hvað þetta gefur til kynna fyrir iðnaðinn

PikaStream táknar flokkaskiptingu í gervigreindarmyndbandi. Á annarri hliðinni: ónettengd myndun (Runway, Kling, Veo) sem beinist að efnissköpun. Á hinni: rauntíma myndun fyrir lifandi samskipti, fjarnærveru og líkamsgerð aðila.

Líkönin sem mynda fallega 2-mínútna myndskeið og líkönin sem knýja lifandi 30 FPS avatar-myndir eru að leysa ólík vandamál. PikaStream er fyrsta alvarlega tilraunin í seinni flokknum og verður ekki sú síðasta.

Fyrir skapendur og forritara er spurningin ekki lengur aðeins „hvernig getur gervigreindarmyndband litið út?" Hún er „hvar getur gervigreindarmyndband birst, og hvað getur það gert þegar það kemur þangað?"