PikaStream 1.0: Pika Labs дає кожному ШІ-агенту обличчя, голос і місце на вашій нараді

Зміна, якої ніхто не чекав

Pika Labs побудувала свою репутацію на творчих інструментах. Pika 2.5 зробила text-to-video доступним. Pika Effects перетворювала статичні зображення на рух. Траєкторія здавалася очевидною: гарніші ролики, довший хронометраж, реалістичніша фізика.

А потім вони випустили PikaStream, і траєкторія різко змінила напрямок.

Замість того щоб змагатися у якості кліпів (перегони, в яких Runway, Kling і Google вже беруть участь), Pika створила відеорушій реального часу, призначений для живої взаємодії. Цільовий користувач тут не кінематографіст. Це ШІ-агент.

Що PikaStream робить на практиці

Основний продукт являє собою автономний модуль навичок, який підключається до ШІ-агентів на кшталт Claude Code, асистентів OpenAI або будь-яких систем із підтримкою Pika Developer API. Після встановлення агент може:

• Приєднатися до дзвінка Google Meet із повноцінним відрендереним аватаром
• Говорити клонованим голосом (запишіть короткий зразок, і агент розмовлятиме як ви)
• Зберігати контекст попередніх розмов і даних
• Виконувати завдання під час дзвінка (писати код, шукати дані, запускати дії)

Аватар, це не статичне зображення з накладеною синхронізацією губ. PikaStream генерує персоналізоване відео з частотою до 30 FPS у роздільності 480p, використовуючи конвеєр дифузії реального часу на одному GPU H100.

Під капотом: FlashVAE та потоковий DiT

Дві архітектурні інновації забезпечують продуктивність у реальному часі.

FlashVAE - це повністю Transformer-based варіаційний автокодувальник, навчений з нуля. Він надає власний латентний простір і відтворює відео через потокове декодування зі швидкістю сотні кадрів на секунду за мінімального споживання пам'яті GPU. Саме цей компонент робить генерацію в реальному часі можливою без ферми GPU.

9B Diffusion Transformer (DiT) використовує дотепний прийом навчання: двонаправлена модель-вчитель дистилюється в каузальну авторегресійну модель-учня через оптимізоване self-forcing. Це дозволяє вести потокову генерацію частинами з частотою кадрів реального часу, подібно до того, як мовні моделі передають текст токен за токеном.

Чому це важливіше за чергову гарну відеомодель

Ринок ШІ-відео у квітні 2026 року переповнений. Runway Gen-4.5 забезпечує кінематографічну якість. Kling 3.0 створює багатокадрові розкадровки. Seedance 2.0 генерує аудіо та відео одночасно. Google Veo 3.1 скрізь.

PikaStream не конкурує з жодним із них.

Він конкурує з аватарами Zoom, презентаторами у стилі Synthesia та самою концепцією "ви маєте бути перед камерою". Різниця в тому, що аватари PikaStream не записані заздалегідь і не слідують сценарію. Вони реагують, відповідають та діють у реальному часі.

Концепція "ШІ-двійник"

Pika також просуває споживчий напрямок під назвою Pika AI Self. Ідея: створити цифрову версію себе, яка може відвідувати наради від вашого імені. Ваш аватар виглядає як ви, звучить як ви (через клонування голосу), і має доступ до вашого календаря, нотаток та історії розмов.

Це вже не фантастика. Бета-версія працює в Google Meet вже зараз, підтримка Zoom і FaceTime на підході.

Наслідки для віддаленої роботи очевидні:

• Пропустіть нараду, надіславши замість себе ШІ-двійника з контекстом про те, що вам потрібно
• Нехай агент веде нотатки, приймає рішення в заданих межах і звітує за підсумками
• Кілька нарад одночасно, на кожній ваша стабільна присутність

Ціни та доступ

PikaStream коштує $0.20 за хвилину участі в нараді. За 30-хвилинну нараду це $6. Порівняно з відправленням живого представника або пропуском наради взагалі, економіка працює для певних сценаріїв: звіти про статус, збір інформації, рутинні дзвінки.

Модуль доступний через Pika Developer API і може бути встановлений у сумісних агентних фреймворках. На момент запуску підтримується лише Google Meet.

Що це означає для індустрії

PikaStream позначає розподіл категорій у ШІ-відео. З одного боку: офлайн-генерація (Runway, Kling, Veo), спрямована на створення контенту. З іншого: генерація в реальному часі для живої взаємодії, телеприсутності та втілення агентів.

Моделі, що генерують гарні двохвилинні ролики, та моделі, що забезпечують аватари на 30 FPS у реальному часі, розв'язують різні задачі. PikaStream, перший серйозний гравець у другій категорії, і він не буде останнім.

Для авторів і розробників питання тепер не лише "як може виглядати ШІ-відео?" Воно звучить інакше: "де ШІ-відео може з'явитися і що воно здатне робити, опинившись там?"