Что Pika показала 17 ноября
Pika выложила в блог заметку Research Preview: Pika Enact. Дата на странице 17 ноября 2026 года, хотя внутри текста встречается 19 ноября, поэтому дату беру по странице блога. Заголовок честный: это превью для исследований, не продукт. Обычным пользователям Enact недоступен, компаниям Pika предлагает написать на адрес из заметки. Цен и сроков в публикации нет.
Смысл в одной строке: среда, где видео генерируется потоком и правится, пока идёт. Вместо привычной схемы «написал запрос, получил ролик, переписал запрос» здесь площадка, рядом с которой ты стоишь и командуешь.
Три режима: расстановка, актёры, камера
Первый режим это живая расстановка. Сцена уже идёт, а ты мышью двигаешь актёров и объекты. Актёр сместился, кадр продолжился с новым положением в пространстве.
Второй режим Pika называет живой режиссурой актёров. Ты говоришь с ними голосом и даёшь заметки: по тексту, по эмоции, по движению. Команда Action превращает репетицию в новый непрерывный дубль, и актёры помнят, о чём вы договорились до этого. При обычной генерации любая переделка приводит нового человека с другим лицом и другой интонацией, а тут правка остаётся внутри той же сцены.
Третий режим это камера. Управление мышью, на ходу, без перезапуска.
Pika пишет, что в собственных тестах результат ощущается реальнее. Это формулировка компании, цифр и сравнений в заметке нет, так что принимаю как заявку.

Чем режиссура видео нейросетью отличается от промпта
Обычный цикл: запрос, ожидание, просмотр, новая редакция запроса. Каждый прогон занимает минуты, а исправление одной детали тянет за собой три другие. Режиссура видео нейросетью переворачивает порядок работ: сначала сцена, потом правка на живом потоке.
Разница видна по цене ошибки. В запросе ошибка всплывает через минуту и стоит нового прогона. На площадке она заметна сразу и снимается командой голосом.
Есть и вторая разница, менее очевидная. Промпт описывает результат, режиссура задаёт процесс. Когда ты говоришь «сядь на край стола и посмотри в камеру», ты ставишь задачу человеку, который уже стоит в кадре, и описывать кадр целиком не нужно.
Куски короче секунды: как это работает
Enact генерирует видео и звук кусками короче секунды, несёт контекст сцены вперёд и учитывает новые указания по ходу. Простыми словами: модель не рисует ролик целиком, она дорисовывает следующий крошечный отрезок, помня предыдущий, и слушает команду, которая пришла только что. Поэтому сцена не начинается заново, когда ты передвинул объект: следующий кусок считается уже по новой расстановке.
Главная инженерная сложность здесь это задержка. Чтобы управлять сценой вживую, системе нужно считать кусок быстрее, чем он проигрывается. Какой задержки Enact достиг на практике, Pika не сообщает.
Фундамент у Enact это Pika H3 Flex. Короткая цепочка шагов, похоже, и делает поток возможным: чем меньше шагов от запроса до кадра, тем реальнее уложиться в темп сцены.

Что вернётся в обычные инструменты
Режимы переносятся с разной скоростью, и это стоит держать в голове при планировании закупок.
Камера мышью проще всех. Камера это набор параметров, и двигать её интерфейсом можно без переизобретения модели. Живая расстановка сложнее: нужно, чтобы двигаемый объект не разваливался и не терял тень на следующем куске. Голосовые заметки сложнее всего, потому что тут нужна память по сцене и по персонажу, иначе актёр забудет просьбу через десять секунд.
Прогноз: раньше всего в обычных редакторах появится камера, потом расстановка, а память актёра приедет последней. Это прогноз, подтверждений нет. Неизвестно также, сохраняется ли память между дублями, что будет при двух говорящих в кадре и сколько секунд держится сцена до того, как поплывёт лицо.
Кому это интересно уже сейчас
Пока Enact закрыт, практическая польза одна: посмотреть, куда движется генерация, и заранее перестроить процесс. В рекламе и в соцсетях основное время уходит на правки после просмотра, первый рендер это меньшая часть сметы. Инструмент, который правит кадр на ходу, бьёт ровно в эту часть.
Для заказчика разница простая: чем раньше правка, тем она дешевле.
Вывод
Pika замахнулась на роль, которую до сих пор держал человек с площадки: расставить, поправить, скомандовать. Заявка серьёзная, но проверять её пока нечем, кроме слов самой компании.
Что смотреть, когда откроют доступ. Первое: длину сцены до распада. Второе: остаётся ли лицо тем же после десяти заметок. Третье: слышно ли шаги и голос там, где они нужны, ведь звук генерируется тем же потоком.
И последнее. Даже если половина заявленного не подтвердится, один сдвиг уже случился: обсуждается цикл работы, и длина клипа в секундах перестала быть главным вопросом.
Под такие задачи есть услуги: видео нейросетями. Смежные материалы: открытые веса Pika H3 Flex; Pika ИИ для видео.




