Pika H3 Flex Prompts: fünf kopierbare Muster für Video mit getrenntem Audio

Pika H3 Flex wird auf fünf Arten gesteuert – Text-zu-Video, erstes und letztes Frame, multimodales Referenz-zu-Video, das Bearbeiten eines hochgeladenen Clips und der Export der Audio-Stems – und jede Art will ihren Prompt anders geschrieben haben. Diese fünf Muster sind kopierbar: Ersetzen Sie die Teile in [brackets], behalten Sie die Struktur. Platzhalter in eckigen Klammern bleiben unabhängig von der Sprache, in der Sie prompten, auf Englisch. Zuletzt abgeglichen mit Pikas veröffentlichten Limits: 2026-11-03.

Bevor Sie prompten: die Limits, die den Prompt formen

• 5 bis 15 Sekunden, nur ganze Sekunden, bei 24 fps. Schreiben Sie den Shot passend; ein Prompt, der 20 Sekunden braucht, bekommt sie nicht.
• Prompts bis zu 8.000 Zeichen. Lange, spezifische Prompts sind erlaubt; nutzen Sie den Raum.
• Bis zu 12 Referenz-Assets – so viele wie 9 Bilder, 3 Videos und 3 Audiodateien. Video- und Audio-Referenzen laufen je 2–15 Sekunden.
• Native Auflösung ist 480p oder 768p; 1080p, 2K und 4K entstehen über Pikas In-Job-Upsampler, der denselben Take vollendet.
• Audio ist nativ: Stereo, mit Dialog, Score, SFX, Foley und Ambience als fünf separate Stems exportierbar.

1. Text-zu-Video mit Dialog und Sounddesign

Nennen Sie den Shot, die Kamera, die Action-Beats in Reihenfolge und dann den Ton – Dialog in Anführungszeichen, jede Tonebene mit Namen. Das Modell komponiert, was Sie beschreiben; was Sie weglassen, wählt es selbst.

"Eine 12-sekündige 16:9-Halbtotale in der Dämmerung: [a cyclist in a yellow rain jacket] rollt eine nasse Kopfsteinpflasterstraße hinab, während die Kamera in Lenkerhöhe mitfährt; sie bremst an einem Bäckerfenster, setzt einen Fuß auf und sagt „Ein Brot, das mit den Körnern.“ Eine Ladenglocke klingelt, als die Tür hinter ihr aufgeht; leichter Regen trommelt auf ihre Kapuze; eine leise Klaviermelodie liegt unter allem."

Prüfen: Die Zeile trifft die Lippenbewegung, der Regen ist gleichmäßig statt flackernd, und der Take ist eine durchgehende Einstellung ohne versteckten Schnitt.

2. Referenzgesteuerter Charakter-Spot

Im Referenzmodus tragen die Assets die Identität und der Prompt die Regie. Sagen Sie, was die Referenzen enthalten, und führen Sie nur, was passiert. Beschreiben Sie das Gesicht der Figur nie in Worten neu – das gehört der Referenz.

"Mit der beigefügten Charakterreferenz für [the presenter] und der Produktreferenz für [the bottle]: ein 10-sekündiger 9:16-Shot in einer hellen Küche. Sie hebt die Flasche, liest das Rücketikett, nickt einmal in die Kamera und sagt „Ehrlich – derselbe Preis wie letztes Jahr.“ Die Kamera steht still; Morgenlicht von links aus dem Fenster; Küchen-Ambience leise."

Prüfen: Gesicht und Kleidung stimmen in der letzten Sekunde so gut mit der Referenz überein wie in der ersten, und der Etikettentext übersteht das Ablesen vor der Kamera.

3. Erstes und letztes Frame

Geben Sie Pika das Anfangs- und das Schlussframe und schreiben Sie den Prompt als Weg dazwischen: was sich ändert, in welcher Reihenfolge, in welchem Tempo. Frame-Inputs sind Bilder; der Prompt ist das Verb.

"Vom ersten bis zum letzten Frame: ein 8-sekündiger 21:9-Shot, in dem die Flut um [the beached wooden boat] herum ansteigt und jede Welle weiter den Sand hinaufreicht; im letzten Frame schwimmt der Rumpf. Möwen kreuzen einmal in der Mitte des Shots; nur Wind und Wellen, keine Musik."

Prüfen: Die gerenderten ersten und letzten Frames treffen die beiden Bilder wirklich, und die Entwicklung ist monoton – die Flut sollte mitten im Take nicht zurückweichen.

4. Einen hochgeladenen Clip bearbeiten

Laden Sie bei Schnitten den Quellclip als Video-Referenz hoch und schreiben Sie die Änderung als Anweisung; sagen Sie dann, was sich nicht ändern darf. H3 Flex bewahrt Performance und Timing – die Aufgabe des Prompts ist es, die Änderung einzugrenzen.

"Bearbeite den beigefügten Clip: ersetze [the gray hoodie] durch [a navy peacoat], halte alles andere identisch – derselbe Gang, dasselbe Tempo, dieselbe Kamera, dieselbe Straße und dasselbe Wetter. 10 Sekunden, Audio unverändert."

Prüfen: Gang und Schritttiming stimmen Frame für Frame mit dem Original überein, und nichts anderes in der Szene ist abgedriftet – Schaufenster, Passanten, Licht.

5. Stems-first-Audio-Regie

Wenn der Ton wichtiger ist als das Bild – Dialogmischungen, Lokalisierung, ein späterer Score-Wechsel – führen Sie jedes Stem mit Namen. Exportierte Stems kommen als fünf WAVs: Dialog, Score, SFX, Foley, Ambience.

"Ein 10-sekündiger 16:9-Shot von [a barista], die zur Öffnungszeit hinter der Theke arbeitet, die Kamera fährt langsam heran. Dialog: Sie sagt „Das Erste geht aufs Haus.“ Score: keiner. SFX: die Mühle läuft, der Siebträger klickt ein. Foley: ihre Schürze raschelt, die Tasse landet auf der Untertasse. Ambience: leiser Café-Raumklang, ein Summen des Kühlgeräts im rechten Kanal."

Prüfen: Jedes Stem enthält nur, was seine Zeile genannt hat – die Mühle sollte nicht ins Foley bluten – und das Dialog-Stem ist allein brauchbar.

Wo diese Prompts laufen

H3 Flex läuft über Pikas API oder Produkt (oder selbst gehostete Gewichte) – es ist nicht auf Imgo. Dieselben Briefings laufen heute auf Seedance 2.0 in Imgos Videogenerator, das Bild-, Video- und Audio-Referenzen nimmt und im Prompt nativ Audio erzeugt, wobei jede Generierung ihren Credit-Preis vor dem Absenden anzeigt. Tarife und Limits beider Modelle werden im Preisbreakdown für Pika H3 Flex verglichen.

Quellen: Pikas Modellseite zu H3 Flex und die Startankündigung, geprüft am 2026-11-03.