PikaStream 1.0: Pika Labsがすべてのエージェントに顔と声を与え、会議に参加させる

誰も予想しなかった転換

Pika Labsはクリエイティブツールで実績を築いてきました。Pika 2.5はテキストから動画への変換を身近なものにしました。Pika Effectsは静止画像をモーションに変換しました。方向性は明確に思えました。より美しいクリップ、より長い尺、より正確な物理演算。

そしてPikaStreamがリリースされ、その方向性は大きく曲がりました。

クリップ品質の競争(Runway、Kling、Googleがすでに走っているレース)に参加する代わりに、Pikaはライブインタラクション向けに設計されたリアルタイムビデオエンジンを構築しました。ターゲットユーザーは映像クリエイターではありません。AIエージェントです。

PikaStreamの実際の機能

コアプロダクトは、Claude Code、OpenAIアシスタント、またはPika Developer APIをサポートする任意のシステムにプラグインできる自己完結型のスキルモジュールです。インストール後、エージェントは以下のことが可能になります。

• Google Meet通話に参加 - 完全にレンダリングされたアバター付き
• クローン音声で発言 - 短いサンプルを録音すれば、エージェントがあなたの声で話します
• 記憶を保持 - 過去の会話やコンテキストを記憶
• 通話中にタスクを実行 - コード作成、データ検索、アクションのトリガー

アバターはリップシンクを重ねた静止画像ではありません。PikaStreamは単一のH100 GPU上で動作するリアルタイムディフュージョンパイプラインにより、最大30 FPS、480p解像度でパーソナライズされたビデオを生成します。

技術の内側: FlashVAEとストリーミングDiT

2つのアーキテクチャイノベーションがリアルタイムパフォーマンスを可能にしています。

FlashVAEはゼロからトレーニングされた完全Transformerベースの変分オートエンコーダです。独自の潜在空間を提供し、最小限のGPUメモリで毎秒数百フレームのストリーミングデコードによりビデオを再構成します。GPUファームを必要とせずにリアルタイム出力を実現可能にしているのが、このコンポーネントです。

9BディフュージョンTransformer (DiT) は巧妙なトレーニング手法を使用しています。双方向のティーチャーモデルを最適化されたセルフフォーシングにより因果的自己回帰スチューデントモデルへと蒸留します。これにより、言語モデルがテキストをトークンごとにストリーミングするのと同様に、チャンク単位のストリーミングがリアルタイムフレームレートで可能になります。

なぜこれがまた別の美しいビデオモデルより重要なのか

2026年4月のAIビデオ分野は混み合っています。Runway Gen-4.5はシネマティック品質を実現。Kling 3.0はマルチショットストーリーボードに対応。Seedance 2.0はオーディオとビデオを同時生成。Google Veo 3.1はあらゆるところに存在します。

PikaStreamはこれらのどれとも競合しません。

PikaStreamが競合するのは、Zoomアバター、Synthesiaスタイルのプレゼンター、そして「カメラの前に本人がいなければならない」という概念そのものです。違いは、PikaStreamのアバターが事前録画やスクリプト化されたものではないことです。リアルタイムで反応し、応答し、行動します。

「AIセルフ」コンセプト

PikaはPika AI Selfと呼ぶコンシューマー向け機能も展開しています。コンセプトは、自分のデジタルバージョンを作成し、代わりに会議に出席させるというものです。アバターはあなたに似た外見で、あなたに似た声で話し(ボイスクローニング経由)、カレンダー、メモ、会話履歴にアクセスできます。

これはもはやSFではありません。ベータ版は現在Google Meetで動作しており、ZoomとFaceTimeのサポートも近日中に提供予定です。

リモートワークへの影響は即座に現れます。

• 会議をスキップし、必要なコンテキストを持たせたAIセルフを送る
• エージェントにメモを取らせ、定義された範囲内で意思決定させ、後で報告させる
• 複数の会議に同時参加し、それぞれで一貫したプレゼンスを維持

料金とアクセス

PikaStreamの料金は会議参加1分あたり$0.20です。30分の会議では6ドルになります。人間の代理を送る、あるいは会議を欠席するのと比較すると、特定のユースケースでは経済的に合理的です。ステータスアップデート、情報収集、定期的なチェックインなどが該当します。

このスキルはPika Developer APIを通じて利用可能で、互換性のあるエージェントフレームワークにモジュールとしてインストールできます。ローンチ時にサポートされるプラットフォームはGoogle Meetのみです。

これが業界に示すもの

PikaStreamはAIビデオにおけるカテゴリの分岐を象徴しています。一方にはコンテンツ制作に特化したオフライン生成(Runway、Kling、Veo)。もう一方にはライブインタラクション、テレプレゼンス、エージェントの具現化のためのリアルタイム生成。

美しい2分間のクリップを生成するモデルと、ライブの30 FPSアバターを動かすモデルは、異なる問題を解決しています。PikaStreamは後者のカテゴリにおける最初の本格的な参入者であり、最後ではないでしょう。

クリエイターや開発者にとっての問いは、もはや「AIビデオはどんな見た目になれるか?」だけではありません。「AIビデオはどこに現れることができ、そこで何ができるのか?」です。