Pika H3 Flex 해설: 6스텝으로 소리까지 만드는 영상 모델

Pika는 영상, 이미지, 오디오 생성 도구와 모델을 한곳에 묶은 AI 크리에이티브 플랫폼입니다. 홈페이지 첫 화면은 2026년 10월 29일 공개된 'Pika H3 Flex'를 전면에 내세웁니다. 이 글에서는 H3 Flex가 어떤 모델이고 MiniMax H3와 어떤 관계인지, 크리에이터와 개발자가 어디에 쓸 수 있는지를 공식 정보 기준으로 정리합니다.

Pika는 모델 하나가 아니라 앱과 모델을 묶은 제작 플랫폼입니다

공식 페이지가 소개하는 모델 목록에는 Seedance 2.5, Pika 2.5, GPT Image 2.5, Grok Imagine 1.5, Pika Audio, Gemini 1.1 Omni Flash, Nano Banana 2, MiniMax H3가 함께 올라 있습니다. 자체 모델과 외부 모델을 한 계정에서 고를 수 있는 구조입니다.

그 위에 작업 단위별 앱이 있습니다. Video Studio는 짧은 클립부터 30초 길이의 멀티샷 영상까지 만들고, Extend Video는 기존 클립에 프레임을 생성해 길이를 늘립니다. Color Grade는 사진이나 클립의 색, 대비, 분위기를 조정합니다. Edit Image는 이미지 속 요소를 바꾸거나 지우고 스타일을 바꾸며, Character Studio는 반복해서 쓸 캐릭터를 만듭니다. Product Shot은 촬영 없이 제품 이미지를 연출하고, Pika Soundtrack은 영상에 음악, 앰비언스, 폴리를 맞춰 줍니다. 광고 크리에이티브, 편집자, 마케터, 영화 제작자를 주요 사용자로 제시하고, 개발자에게는 Club이라는 멤버십으로 여러 생성 모델을 하나의 API로 쓰게 하겠다고 안내합니다. 10월 16일에는 ChatGPT 안에서 40개 이상의 앱과 100개 이상의 모델을 쓰는 확장도 내놓았습니다.

오디오 쪽 투자도 눈에 띕니다. 8월 18일 연구 섹션에 Pika Soundtrack, Pika Music, Pika SFX, Pika Speech가 한꺼번에 올라왔습니다. H3 Flex가 영상과 소리를 같이 만드는 모델로 나온 것은 이 흐름의 연장선으로 읽힙니다.

신호는 작지만 H3 Flex 공개 직후에 한 방향으로 몰렸습니다

Muckle 레이더 기준 Pika의 신호 점수는 50.6점, 단계는 급상승입니다. 최근 7일 언급이 4건으로 그 전 7일의 1건보다 늘었고, 30일 누적 5건 가운데 대부분이 최근 일주일에 몰려 있습니다. 회자한 채널은 3곳이고, 회자한 사람·사이트는 4곳으로 직전 주의 1곳에서 늘었습니다. 처음 포착된 때는 2024년 7월 4일이니, 오래전부터 알려진 서비스가 새 모델 공개를 계기로 다시 떠오른 모양새입니다.

절대 건수가 작아서 시장 전체의 열기보다는 방향성으로 읽는 편이 맞습니다. Muckle 분석으로 반응의 내용을 보면 '6스텝으로 소리까지 만든다'는 속도·오디오 주장, 오픈 웨이트 공개, 사용법 정리, 기반 모델 MiniMax H3와의 차이를 묻는 글이 중심입니다. 현장에서 궁금해하는 질문이 '무엇이 새롭고 직접 돌려 볼 수 있는가'에 모여 있다는 뜻입니다.

H3 Flex는 MiniMax H3를 후속 학습해 6스텝으로 줄인 모델입니다

공식 소개는 H3 Flex를 'faster-than-realtime', 즉 실시간보다 빠른 모델이며 전문 작업의 반복을 위해 만들었다고 설명합니다. 확인되는 사양은 다음과 같습니다.

• MiniMax H3를 후속 학습(post-training)한 모델
• 레퍼런스 최대 12개
• 분리된 오디오 스템 5개
• 최대 4K 마무리
• 오픈 웨이트

기술 글은 구조를 더 구체적으로 밝힙니다. H3 Flex는 영상과 스테레오 오디오를 동기화해 최대 15초까지 한 번에 만드는 omni-generator이고, 디노이징 6스텝으로 생성합니다. 50스텝짜리 teacher 대비 약 8분의 1입니다. teacher라는 표현으로 보아 느리지만 품질이 높은 모델의 결과를 빠른 모델이 따라가도록 만든 증류 계열의 접근으로 읽힙니다.

기반 모델이 소리를 함께 다룬다는 점이 이 설계의 전제입니다. MiniMax H3를 다룬 공개 연구는 이 모델이 다중모달 맥락 이해와 오디오-영상 공동 생성을 공유 잠재 공간에서 결합한다고 설명합니다. 영상과 소리를 따로 만들어 붙이는 구조가 아니므로, 스텝을 줄여도 한 번의 추론으로 둘을 같이 얻는 구성이 가능합니다.

같은 H3를 대상으로 한 별도 연구들도 속도를 다룹니다. 한 연구는 8단계 증류와 서빙 최적화로 14.3초 길이 768p 영상의 디노이징을 B200 GPU 8장에서 6.70초에 끝냈고, 50단계 기준 대비 14.5배라고 보고합니다. 다른 연구(TileShare)는 비디오 디코더의 겹치는 타일 계산을 줄여 디코딩을 1.38~1.51배 빠르게 했다고 합니다. 이 숫자들은 Pika가 아닌 연구팀의 결과이고 측정 범위와 하드웨어도 서로 다릅니다. TileShare가 말하는 6은 디코더에서 타일마다 유지하는 층의 수로, H3 Flex의 6스텝과는 다른 개념입니다. 다만 H3 계열이 스텝 수를 줄이는 방향의 최적화에 여지가 크다는 정황으로는 참고할 만합니다.

레퍼런스와 오디오 스템을 쓰면 작업 흐름이 이렇게 달라집니다

제품 광고 숏폼: Product Shot으로 제품 컷을 만들고, 모델 이미지와 무드보드, 로고 컷까지 레퍼런스로 최대 12장을 묶어 H3 Flex에 넣습니다. 한 번 생성이 빠르다는 전제에서 프롬프트와 레퍼런스 조합을 여러 번 돌려 시안을 추리고, 고른 컷만 4K로 마무리한 뒤 Color Grade로 브랜드 톤을 맞춥니다. Muckle 분석으로는 이 흐름의 이점이 시안 한 건당 비용과 대기 시간이 실제로 줄어드는지에 달려 있습니다. 홈페이지 요약에서는 가격과 대기 시간을 확인할 수 없으므로, 같은 조건에서 비용과 대기 시간을 직접 측정한 뒤 판단해야 합니다.

캐릭터 중심 영상 프리비즈: Character Studio에서 캐릭터를 먼저 만들어 두고, 15초 이내 컷 단위로 생성한 뒤 편집 툴에서 이어 붙입니다. 오디오가 다섯 개 스템으로 분리되어 나오므로 대사, 효과음, 음악의 볼륨을 따로 조정하는 후반 작업이 가능합니다. 스템이 각각 무엇인지는 공식 문서에서 구성을 확인해야 합니다. 더 긴 컷은 Extend Video로 이어 가는 식입니다.

개발자 파이프라인: 가중치가 공개되어 있어 자체 서버나 워크플로 도구에 올려 쓰는 시도가 가능합니다. 호스팅을 쓰고 싶다면 Club 멤버십의 API로 여러 모델을 한 키로 바꿔 가며 비교할 수 있습니다. ChatGPT 확장을 쓰면 대화 안에서 이미지와 영상을 만들고 고치는 흐름도 가능합니다.

같은 플랫폼 안에서 모델별로 역할을 나눠 보는 편이 합리적입니다

표의 외부 모델은 플랫폼 지원 여부만 확인되는 항목이고, 화질이나 모션 품질의 우열은 공식 요약만으로 판단할 수 없습니다. 같은 프롬프트와 레퍼런스로 직접 돌려 비교하는 방법이 가장 정확합니다.

라이선스, 요구 사양, 품질 지표는 도입 전에 확인할 항목입니다

첫째, 오픈 웨이트는 가중치를 내려받을 수 있다는 표현이고, 상업 이용 범위나 재배포 조건은 라이선스 본문에서 정해집니다. 홈페이지 요약에는 라이선스 조건과 필요한 GPU 메모리가 나오지 않으므로 모델 배포 페이지의 문구를 먼저 읽어야 합니다.

둘째, 'faster-than-realtime'과 '8분의 1 스텝'은 속도에 대한 설명이고, 화질·모션·립싱크 같은 품질 지표의 비교 수치는 홈페이지 요약에 없습니다. 스텝이 줄면 복잡한 모션이나 미세한 질감에서 손실이 생길 수 있는 것이 일반적이므로 50스텝급 결과와 나란히 놓고 판단해야 합니다.

셋째, 기반 모델 H3를 대상으로 한 추론 평가 하나는 517개 사례에서 전체 성공률 41.97%를 보고했고, 그중 오디오 기반 모호성 해소가 27.40%로 가장 낮았습니다. 이 수치는 물리 세계 추론 과제의 결과이며 기반 모델에 대한 평가라서 H3 Flex의 품질을 직접 말해 주지는 않습니다. 그래도 소리가 겹치는 복잡한 장면에서는 결과를 꼼꼼히 들어 볼 이유가 됩니다.

윤리와 권리 문제도 있습니다. 레퍼런스 12장에 실존 인물이나 타인의 작품을 넣을 때는 사용 허락이 필요하고, 음성과 캐릭터를 일관되게 재현하는 기능은 광고 등 상업 용도에서 AI 생성물 표기와 초상·음성 동의 문제와 직결됩니다. 가격 체계는 홈페이지 요약에 나와 있지 않아 별도로 확인해야 합니다.

시작은 짧은 비교 테스트부터 하면 됩니다

먼저 Pika 사이트의 H3 Flex 소개 글과 기술 글을 읽고 지원 길이와 레퍼런스 규칙을 확인합니다. Video Studio에서 같은 프롬프트와 레퍼런스 세트로 H3 Flex와 다른 모델을 한 번씩 돌려 대기 시간, 소리 동기화, 손이나 텍스트 같은 약점 구간을 기록합니다. 팀 단위라면 기록 항목을 미리 정해 두고, 생성 비용도 함께 남기세요. 로컬 실행이나 API 연동이 목적이면 Club 안내와 모델 배포 페이지의 라이선스, 요구 사양을 확인한 뒤 낮은 해상도로 시작하는 순서가 안전합니다.

Muckle의 판단

H3 Flex는 시안을 많이 뽑고 소리까지 한 번에 확인해야 하는 광고, 숏폼, 프리비즈 팀이 가장 먼저 시험해 볼 만한 모델입니다. 영상과 오디오를 한 번에 만들고 오픈 웨이트까지 열었다는 조합이 공식 자료로 확인되는 차별점입니다. 다만 품질 지표와 라이선스 세부가 공개 요약에 없으므로, 최종 납품 품질이 필요한 작업은 기존 모델과 병행 비교한 뒤 전환을 결정하는 편이 좋습니다. 지켜볼 점은 라이선스 본문, 실제 생성 시간, 오디오 스템의 구성입니다.