PikaStream 1.0: Pika Labs 讓每個 AI 代理擁有面孔、聲音,並加入你的會議

一個出人意料的轉變

Pika Labs 以創意工具起家並建立了聲譽。Pika 2.5 讓文字轉影片變得觸手可及。Pika Effects 能將靜態影像轉化為動態畫面。發展軌跡看似明確: 更精美的片段, 更長的時長, 更真實的物理效果。

然後他們推出了 PikaStream, 發展方向突然轉彎。

Pika 沒有在片段品質上競爭(這條賽道已經有 Runway、Kling 和 Google 在角逐), 而是打造了一個專為即時互動設計的即時視訊引擎。目標使用者不是電影製作人, 而是 AI 代理。

PikaStream 的核心功能

核心產品是一個自包含的技能模組, 可以接入 Claude Code、OpenAI 助手等 AI 程式撰寫代理, 或任何支援 Pika Developer API 的系統。安裝後, 代理可以:

• 加入 Google Meet 通話, 配備完整算繪的虛擬形象
• 使用複製語音發言(錄製一段簡短音訊樣本, 代理就能以你的聲音說話)
• 維持記憶, 記住先前的對話和上下文
• 在通話過程中執行任務(撰寫程式碼、搜尋資料、觸發操作)

虛擬形象不是簡單的靜態圖片加嘴型同步疊加。PikaStream 能以最高 30 FPS、480p 解析度產生個人化影片, 由單張 H100 GPU 上執行的即時擴散管線驅動。

技術核心: FlashVAE 與串流 DiT

兩項架構創新讓即時效能成為可能。

FlashVAE 是一個從零開始訓練的全 Transformer 架構變分自編碼器。它提供獨立的潛在空間, 透過串流解碼以每秒數百幀的速度重建影片, 且 GPU 記憶體佔用極低。正是這個元件讓無需 GPU 叢集即可實現即時輸出成為可能。

9B 擴散 Transformer (DiT) 使用了一種巧妙的訓練技巧: 將雙向教師模型透過最佳化自強制蒸餾為因果自迴歸學生模型。這讓逐區塊串流產生能夠達到即時幀率, 類似於語言模型逐 token 串流輸出文字的方式。

為什麼這比又一個精美影片模型更重要

2026 年 4 月的 AI 影片領域競爭激烈。Runway Gen-4.5 擅長電影級畫質。Kling 3.0 支援多鏡頭分鏡腳本。Seedance 2.0 能同時產生音訊和影片。Google Veo 3.1 無所不在。

PikaStream 與它們之中的任何一個都不構成競爭。

它的競爭對手是 Zoom 虛擬形象、Synthesia 風格的主持人, 以及「你必須親自出鏡」這個概念本身。 差別在於, PikaStream 的虛擬形象不是預錄或腳本化的。它們能即時反應、回應和行動。

「AI 分身」概念

Pika 還推出了一個面向消費者的功能, 稱為 Pika AI Self。核心理念是: 建立一個數位版的你, 代替你參加會議。你的虛擬形象看起來像你, 聲音像你(透過語音複製), 並且可以存取你的行事曆、筆記和對話紀錄。

這不再是科幻小說。Beta 版今天已在 Google Meet 上運作, Zoom 和 FaceTime 支援即將推出。

對遠端工作的影響是立即的:

• 跳過會議, 讓你的 AI 分身帶著你需要的背景資訊去參加
• 讓代理做筆記, 在預設範圍內做決策, 然後向你回報
• 同時參加多場會議, 每場都有你一致的形象

定價與取得方式

PikaStream 的定價為每分鐘會議參與 $0.20。一場 30 分鐘的會議費用為 6 美元。與派人參加或錯過會議相比, 在某些情境下經濟效益是划算的: 狀態更新、資訊蒐集、例行確認。

該技能透過 Pika Developer API 提供, 可作為模組安裝在相容的代理框架中。發布時僅支援 Google Meet。

這對產業代表什麼意義

PikaStream 代表著 AI 影片領域的一次類別分化。一邊是專注於內容創作的離線產生(Runway、Kling、Veo)。另一邊是用於即時互動、遠端臨場和代理具身化的即時產生。

產生精美 2 分鐘片段的模型與驅動即時 30 FPS 虛擬形象的模型正在解決不同的問題。PikaStream 是第二個類別中的第一個重量級選手, 但不會是最後一個。

對於創作者和開發者來說, 問題不再僅僅是「AI 影片能呈現什麼樣的畫面?」而是「AI 影片能出現在哪裡, 到了那裡又能做什麼?」