Pikaが研究プレビュー「Enact」を公開。再生中の映像で役者を動かし、演技とカメラを指示
Pika(@pika_labs)が、撮影現場で監督するような感覚でAI映像を作る研究プレビュー「Pika Enact」を発表しました。Pika H3 Flexをもとに、映像と音を1秒未満の単位で生成し続けるライブ環境で、再生中の場面で人や物をマウスでドラッグして配置し直したり、役者に話しかけて演技を指示したり、カメラを動かしたりできます。

プロンプト欄の外で監督する
Pikaは2026年11月19日3:53 JSTに「Today, we're excited to share Enact, a research preview of scenes that respond to you」と投稿しました。Enactは、撮影現場で監督する体験をまねるように作られたAI映像の新しい作り方だと説明しています。
公式ブログによると、Pika EnactはPika H3 Flexをもとにした実験的なライブストリーミング環境です。映像と音を1秒未満の短い単位で生成し、場面の文脈を引き継ぎながら、新しい指示をその先の生成に取り込んでいきます。
約2分30秒の紹介動画では、ノートPCの画面に映る男女の役者に話しかけて演技を変えさせる場面や、ファーのコートの人物を何もない場面に入れ、氷のような床の上を歩かせる場面、キッチンでの会話シーンなどが映っています。
3つの操作
ライブステージングでは、再生中の映像の中で人や物をマウスで配置し直せます。プロンプトでは「もう少し左」としか言えないところを、カーソルで狙った位置まで運べます。動かした被写体は周りと一緒に生成されるため、切り抜きの縁や元の場所の穴が残らず、姿勢や光、影も周囲に合わせて変わるそうです。持ち上げられた人が空中で体重を移し、離した場所で自然に落ち着く様子も見せています。
ライブ演技指導では、役者に直接話しかけて演技を形作れます。役者は指示を覚えていて、「アクション」と声をかけると新しい続きのテイクを演じます。ライブカメラ操作では、再生中の場面の周りでマウスを使ってカメラを動かせます。
速さと学習データ
カーソルの動きについていくため、モデルを少ないステップに蒸留し、マウス入力とデコードを小さな単位でストリーミングしています。低遅延設定ではH100上でデコード込み0.4秒未満で画面が反応し、1台のサーバーで再生より1.8倍速く生成できるとしています。
ドラッグ操作の学習には、カーソルの軌跡とフレーム単位でそろった前後の映像の組が必要で、実写の映像では用意できません。そこでPikaは、元の映像の中で3Dの代役をドラッグの経路に沿って動かし、動画モデルで本物らしい映像に描き直しながらマウスの位置とボタンの状態を記録する、物理ベースの合成データの仕組みを作ったと説明しています。
