Pika H3 Flex参考执行

PikaFlexRuntime接入官方Pika发布，保留上游分阶段 BF16执行，不改变现有hybrid或分段默认。当前GPU资格、输出质量和性能仍待实测；CPU合同检查不代表正式可用。

使用独立Python3.12环境，安装官方固定依赖和两个Diffusers补丁，再安装不含pipeline extra的vflash。 现有vflash[pipeline]固定另一套依赖，两个环境不能混装。源代码固定为 4bf8ea508891a432106e70f675d287c27f02306d，导入前核对22份Python/YAML文件；调用者明确授权本地代码。 适配器本身不下载代码或模型。用法和完整参数见英文示例。

底模固定42ed227ee7df40d41602854ae760620d6eb651fe，Pika权重固定 0ddf55ad7067ca1e76812253bd7b4600df87f759。本地适配器根目录下使用fl2va与ref2va目录， 分别放原始manifest和safetensors。FL处理文字、首帧、尾帧和首尾帧，Ref处理有序内容参考。 上游执行前校验适配器发布哈希；调用者保留底模来源及转换回执，元数据明确本地覆盖路径的使用。

六次联合音画评估使用1000,750,500,250,100,40,0节点、视觉/声音shift12/3及前五步预测后的新噪声。 这不是六步Euler，不另加Larry声音阶段。FL条件为BF16，Ref条件为FP32，rank/alpha均128。

本地原生支持480p/768p、11种画幅桶、5–15整数秒请求及24fps。原始输出保留17n+5模型时钟， 5秒请求实际为124帧；产品裁剪、时长修整和显示比例必须单独记录。不宣称原生4K、任意画幅、 分离声音轨或无缝续接。已有成品不覆盖；一次GPU执行失败后关闭所属独立进程再恢复。

代码Apache-2.0；模型衍生物适用MiniMax H3 Community License。分发时保留原LICENSE、NOTICE、 作者修改声明及模型许可。本集成只保存固定身份，不包含权重。

可选组件复用

reuse_components=True保留一个原始BF16 transformer分区及一组原始FP32 VAE。 文本编码或解码前将transformer移到CPU；文本权重直接装入目标设备，避免同时在CPU构造第二个 完整模型。切换FL/Ref时释放旧trunk；同一trunk只注入／加载一次适配器，适配器文件或配置改变时 拒绝复用。六步采样、条件精度和原生音频计算保持原始实现。

此选项仍是生命周期候选：CPU检查覆盖复用、分区切换、小张量数值、失败清理和钩子恢复； 完整权重GPU显存、质量和速度仍待验证。不能与cpu_offload=True合用。使用独立进程，同一解释器内 所有PikaFlexRuntime共用非阻塞执行锁；close()释放组件。结果记录component_reuse和 component_stats实际加载／复用次数。原始分阶段路径已完成96GiB Blackwell PRO 6000上5秒480p T2VA/I2VA生成；该范围不代表新复用路径或其他输入模式已通过。

可复用激活适配器支持明确的kind="pika"及原版manifest：校验完整312组rank128矩阵， 保留原参数名，使用alpha/rank=1，并按原PEFT加载器将存储的FP32适配器转为BF16。 不沿用LightX缺省alpha；部分安装失败时清除所有钩子。这只是加载合同，尚不代表量化六步 完整生成路径已完成资格化。

PikaSamplingClock使用分别准备的FL文本／关键帧时间投影表，核验原始六次时刻、FP32时间嵌入、 BF16调制和完整312项覆盖，并逐次检查实际模型调用。视觉时间表与最终声音配方独立，不能将 旧Euler时间表套到Pika重新加噪采样中。

原生固定画面声音适配器可用condition_rows=0表示直接文本来源：在时间投影校验前加入干净 视频的时间行，保留文本／声音时刻，空间抽样仍保留所有视频时间点；不创建首帧图片。 CPU检查覆盖行／时钟映射、原画面保持和清理，Pika／Larry组合的完整GPU音质仍待单独验收。 既有首帧声音路径和可选原版Pika运行时保持独立身份。

预备权重的 Pika 画面与 Larry 原生声音

可选的 vflash.pipeline.pika_av_runtime.PikaAVRuntime 复用 ReferenceAVRuntime 显式接收的原始 FL 行 FP8 组件，将分段会话替换为唯一持有模型的 Pika 会话。在原组件之外， 调用者需提供 pika_source、pika_adapter、pika_manifest 和 pika_tables； trust_local_code=True 核验并导入固定版本的 Pika 采样代码。引擎不推断模型位置、租赁资源或产品默认。

from vflash.pipeline import VideoRequest
from vflash.pipeline.pika_av import PikaAVRecipe
from vflash.pipeline.pika_av_runtime import PikaAVRuntime

# 路径、来源清单及文本加载器均由调用者明确准备和持有。
runtime = PikaAVRuntime(**prepared_components, **pika_components, trust_local_code=True)
try:
    result = runtime.generate(
        VideoRequest("一只陶瓷鸟展开翅膀。", width=960, height=544),
        output_directory,
        recipe=PikaAVRecipe(audio_steps=10, visual_attention="veda", overlap_decode=True),
    )
finally:
    runtime.close()

此路径当前支持五秒 T2VA／I2VA、生成原生声音及解码后的首帧，使用原版六步重新加噪与未合并的 Pika FL 适配器。audio_steps=0 保留六步联合音轨；10／12明确选择在固定画面上生成 Larry 原生音轨。 同请求复用提示／首帧编码，视觉结束后释放融合 QKV 副本，再执行声音及可选的重叠视频解码。 回执包含真实前向次数、注意力、条件复用、显存和完整调用计时。

该路径与前文原始 BF16 Pika 实现分开。行 FP8、Veda 和空间视频 KV 声音复用均为近似选择； 六步视觉加十步声音不等于完整请求只有六次前向。当前硬件证据覆盖完整 96 GiB SM120 PRO 6000 上的 960×544／832×480 五秒视频；其他可受理画布尚无广泛的质量／显存资格结论。生成计时不含 模型初始化和应用发布，也尚未达到 0.5MP 完整端到端低于25秒。此预备路径尚不支持 Ref2VA、 更长片段、去掉联合音频计算或精确端点重绘。

有界解码小块合批

PikaAVRecipe(decode_tile_batch_size=4)可在已准备的SM120运行时，将相同尺寸的空间解码 小块成组处理，当前支持五秒、最高960×544画布。默认仍为1，2和4为显式选项；原分块位置、 时间解码与重叠融合保持，请求结束或失败后恢复实例方法。

同一张PRO6000 Server 96GiB、600W上四场景试验保持生成音画潜变量及解码音频完全相同。 FP16批量解码和编码使8位像素略有差异，平均绝对差约1.3–1.8/255；已检查的多帧和局部未见 明显新增结构退步。相同输入的前后暖控制支持约30秒完整常驻调用减少0.7–1.1秒；其他场景 还包含首次使用／缓存差异。初始化、编排和上传另计，尚不代表完整交付低于25秒，也不扩大到 更大画布的资格。响应以decode_tile_batches记录实际分组。

严格旋转计算（源码，待发行）

PikaAVRecipe(strict_rotary=True)在视觉和原生声音阶段显式启用已有的严格BF16半维旋转 内核，默认关闭。模型权重、采样和声音配方保持，成功或异常均恢复原函数；CPU、其他精度 或启用梯度时沿原函数执行。回执分别计数融合、原函数回退和所需连续布局复制。

同一450W PRO6000 Workstation上四组五秒960×544 T2VA／I2VA、Pika6＋Larry10、Veda及 原生VAE四块合批保持视觉潜变量、全部120帧RGB和解码音频PCM相同。运行状态较匹配的 阶段首条控制52.115秒、融合51.462秒；其他场景更大的差异包含条件缓存与暖机收益，不全 归于旋转融合。计时是完整引擎调用，不含采购、初始化和应用交付。原生成内容的质量局限 仍在；逐帧一致证明本次计算在已测案例中的等值性，不等于普遍的内容质量验收。