WHY IT MATTERS
「让每一段视频自己长出声音，让每一个想法当场被听见」
2026 年 8 月 14 日，以文生视频起家的 Pika 发布首个音频基础模型家族 Pika Audio，四件套覆盖生成式音频全谱：Soundtrack 把视频转成含音乐、语音、环境声与运动音效的同步音轨；Music 从提示词/歌词/人声/音乐参考生成最长 6 分钟完整歌曲；SFX 把自然语言变成最长 20 秒 44.1kHz 立体声音效；Speech 用预设音色或几秒克隆生成 5 分钟 48kHz 语音。官方定价「市场最低」—— SFX 延迟 0.847 秒、Speech 实时率 0.02、Music 6.21 秒出 90 秒歌，归因于少步数生成与精简推理栈（均为厂商自报，未独立确认）。