PikaStream 1.0: Pika Labs suteikia kiekvienam AI agentui veidą, balsą ir vietą jūsų susitikime

Pokytis, kurio niekas nesitikėjo

Pika Labs savo reputaciją sukūrė kūrybiniais įrankiais. Pika 2.5 padarė teksto pavertimą vaizdo įrašu prieinamą. Pika Effects pavertė statinius vaizdus judėjimu. Trajektorija atrodė aiški: gražesni klipai, ilgesnė trukmė, geresnė fizika.

Tada jie išleido PikaStream, ir trajektorija pakrypo į šoną.

Užuot varžęsi dėl klipų kokybės (lenktynėse, kuriose Runway, Kling ir Google jau dalyvauja), Pika sukūrė realaus laiko vaizdo variklį, skirtą tiesioginei sąveikai. Tikslinis vartotojas nėra filmų kūrėjas. Tai AI agentas.

Ką PikaStream iš tikrųjų daro

Pagrindinis produktas yra savarankiškas įgūdžių modulis, kuris jungiasi prie AI kodavimo agentų, tokių kaip Claude Code, OpenAI asistentai ar bet kas, kas palaiko Pika Developer API. Įdiegus agentui, jis gali:

• Prisijungti prie Google Meet skambučio su visiškai atvaizduotu avataru
• Kalbėti klonuotu balsu (įrašykite trumpą pavyzdį, agentas kalba kaip jūs)
• Išlaikyti atmintį apie ankstesnius pokalbius ir kontekstą
• Vykdyti užduotis skambučio metu (rašyti kodą, ieškoti duomenų, paleisti veiksmus)

Avataras nėra statinis vaizdas su lūpų sinchronizavimo perdanga. PikaStream generuoja personalizuotą vaizdo įrašą iki 30 FPS ir 480p raiška, varomą realaus laiko difuzijos konvejerio, veikiančio viename H100 GPU.

Po gaubtu: FlashVAE ir Streaming DiT

Dvi architektūrinės inovacijos leidžia pasiekti realaus laiko našumą.

FlashVAE yra visiškai Transformer pagrindu sukurtas Variational Autoencoder, apmokytas nuo nulio. Jis suteikia savo latentinę erdvę ir rekonstruoja vaizdo įrašą srautiniu dekodavimu šimtais kadrų per sekundę su minimaliu GPU atminties naudojimu. Šis komponentas leidžia realaus laiko išvestį be GPU ūkio poreikio.

9B difuzijos transformatorius (DiT) naudoja protingą apmokymo triuką: dvikryptis mokytojo modelis yra distiliuojamas į priežastinį autoregresyvų studento modelį per optimizuotą savęs prievartavimo metodą. Tai leidžia srautinį generavimą gabalas po gabalo realaus laiko kadrų dažniu, panašiai kaip kalbos modeliai transliuoja tekstą žetonas po žetono.

Kodėl tai svarbiau nei dar vienas gražus vaizdo modelis

AI vaizdo erdvė 2026 m. balandį yra perpildyta. Runway Gen-4.5 tvarko kinematografinę kokybę. Kling 3.0 kuria daugelio kadrų siužetines linijas. Seedance 2.0 generuoja garsą ir vaizdą kartu. Google Veo 3.1 yra visur.

PikaStream nekonkuruoja su nė vienu iš jų.

Jis konkuruoja su Zoom avatarais, Synthesia stiliaus vedėjais ir visa koncepcija "jūs turite būti prieš kamerą." Skirtumas yra tas, kad PikaStream avatarai nėra iš anksto įrašyti ar suskriptuoti. Jie reaguoja, atsako ir veikia realiu laiku.

„AI Self" koncepcija

Pika taip pat stumia vartotojų kryptį, kurią jie vadina Pika AI Self. Idėja: sukurkite skaitmeninę savo versiją, kuri gali dalyvauti susitikimuose jūsų vardu. Jūsų avataras atrodo kaip jūs, skamba kaip jūs (per balso klonavimą) ir turi prieigą prie jūsų kalendoriaus, užrašų ir pokalbių istorijos.

Tai nebėra mokslinė fantastika. Beta versija veikia Google Meet jau šiandien, o Zoom ir FaceTime palaikymas artėja.

Pasekmės nuotoliniam darbui yra nedelsiant akivaizdžios:

• Praleiskite susitikimą, nusiųskite savo AI Self su kontekstu apie tai, ko jums reikia
• Leiskite agentui daryti užrašus, priimti sprendimus apibrėžtose ribose ir pranešti atgal
• Keli susitikimai tuo pačiu metu, kiekviename su jūsų nuosekliu dalyvavimu

Kainodara ir prieiga

PikaStream kainuoja $0,20 per minutę dalyvavimo susitikime. 30 minučių susitikimui tai yra $6. Palyginus su žmogaus atstovo siuntimu arba visišku susitikimo praleidimo, ekonomika veikia tam tikrais atvejais: būsenos atnaujinimai, informacijos rinkimas, rutininės patikros.

Įgūdis prieinamas per Pika Developer API ir gali būti įdiegtas kaip modulis suderinamuose agentų karkusuose. Google Meet yra vienintelė palaikoma platforma paleidimo metu.

Ką tai signalizuoja pramonei

PikaStream atstovauja kategorijų padalijimui AI vaizdo srityje. Vienoje pusėje: autonominis generavimas (Runway, Kling, Veo), orientuotas į turinio kūrimą. Kitoje: realaus laiko generavimas tiesioginei sąveikai, teleprezencijai ir agentų įkūnijimui.

Modeliai, kurie generuoja gražius 2 minučių klipus, ir modeliai, kurie varo tiesioginius 30 FPS avatarus, sprendžia skirtingas problemas. PikaStream yra pirmasis rimtas žaidėjas antroje kategorijoje, ir jis nebus paskutinis.

Kūrėjams ir programuotojams klausimas nebėra vien „kaip AI vaizdo įrašas gali atrodyti?" Tai „kur AI vaizdo įrašas gali pasirodyti ir ką jis gali padaryti, kai ten atsiduria?"