Prompts para Pika H3 Flex: cinco patrones copiables para vídeo con audio separado

Pika H3 Flex se maneja de cinco maneras — texto a vídeo, primer y último fotograma, referencia-a-vídeo multimodal, edición de un clip subido y exportación de stems de audio — y cada una pide su prompt escrito de forma distinta. Estos cinco patrones se pueden copiar tal cual: sustituye las partes entre [brackets] (corchetes) y conserva la estructura. Los marcadores entre corchetes se mantienen en inglés independientemente del idioma en que escribas el prompt. Límites comprobados contra lo publicado por Pika: 2026-11-03.

Antes de escribir el prompt: los límites que lo dan forma

• De 5 a 15 segundos, solo segundos enteros, a 24 fps. Diseña el plano para esa duración; un prompt que necesita 20 segundos no los conseguirá.
• Prompts de hasta 8000 caracteres. Los prompts largos y concretos son válidos; usa el espacio.
• Hasta 12 recursos de referencia — como máximo 9 imágenes, 3 vídeos y 3 archivos de audio. Las referencias de vídeo y audio duran entre 2 y 15 segundos cada una.
• La resolución nativa es 480p o 768p; 1080p, 2K y 4K llegan a través del reescalador dentro del trabajo de Pika, que acaba la misma toma.
• El audio es nativo: estéreo, con diálogo, música, efectos, foley y ambiente exportables como cinco stems separados.

1. Texto a vídeo con diálogo y diseño sonoro

Nombra el plano, la cámara, los beats de acción en orden, y después el sonido: el diálogo entre comillas y cada capa sonora por su nombre. El modelo compone lo que describes; lo que omitas, lo elige él.

"Un plano medio largo de 12 segundos en 16:9 al atardecer: [a cyclist in a yellow rain jacket] baja sin pedalear por una calle adoquinada y mojada mientras la cámara la acompaña a la altura del manillar; ella frena ante el escaparate de una panadería, apoya un pie y dice «Una barra, la de las semillas.» Una campanilla suena al abrirse la puerta a su espalda; una lluvia fina repiquetea en su capucha; una música de piano, muy queda, lo envuelve todo."

Comprueba: la frase cae sobre el movimiento de los labios, la lluvia es constante y no parpadea, y la toma es un plano continuo sin corte oculto.

2. Spot de personaje por referencia

En modo referencia, los recursos llevan la identidad y el prompt lleva la dirección. Di qué contienen las referencias y dirige solo lo que ocurre. Nunca vuelvas a describir la cara del personaje con palabras: eso es propiedad de la referencia.

"Usando la referencia de personaje adjunta para [the presenter] y la referencia de producto para [the bottle]: un plano de 10 segundos en 9:16 en una cocina luminosa. Ella levanta la botella, lee la etiqueta trasera, asiente una vez a cámara y dice «La verdad… mismo precio que el año pasado.» La cámara queda fija; luz de ventana matinal desde la izquierda; ambiente de cocina bajo."

Comprueba: la cara y la ropa del último segundo se ajustan a la referencia igual que en el primero, y el texto de la etiqueta sobrevive a la lectura ante la cámara.

3. Primer y último fotograma

Dale a Pika el fotograma de apertura y el de cierre, y escribe el prompt como el camino entre ambos: qué cambia, en qué orden y a qué ritmo. Los fotogramas de entrada son imágenes; el prompt es el verbo.

"Del primer fotograma al último: un plano de 8 segundos en 21:9 en el que la marea sube alrededor de [the beached wooden boat], con cada ola llegando más arriba en la arena; en el fotograma final el casco flota. Unas gaviotas cruzan una vez a mitad de plano; solo viento y olas, sin música."

Comprueba: los fotogramas inicial y final generados coinciden de verdad con las dos imágenes, y la progresión es monótona: la marea no debe retroceder a mitad de toma.

4. Editar un clip subido

Para editar, sube el clip fuente como referencia de vídeo y escribe el cambio como una instrucción; después di qué no debe cambiar. H3 Flex preserva la interpretación y el ritmo: el trabajo del prompt es acotar el cambio.

"Edita el clip adjunto: sustituye [the gray hoodie] por [a navy peacoat], mantén todo lo demás idéntico: misma zancada, misma velocidad, misma cámara, misma calle y mismo clima. 10 segundos, audio sin cambios."

Comprueba: la zancada y el ritmo de los pasos coinciden con el original fotograma a fotograma, y nada más en la escena se ha desviado: fachadas, viandantes, luz.

5. Dirección de audio por stems

Cuando el audio importa más que la imagen — mezclas de diálogo, localización, cambiar la música después — dirige cada stem por su nombre. Los stems exportados llegan como cinco WAV: diálogo, música, efectos, foley y ambiente.

"Un plano de 10 segundos en 16:9 de [a barista] trabajando tras la barra a la hora de apertura, con la cámara acercándose despacio. Diálogo: ella dice «La primera va por mi cuenta.» Música: ninguna. Efectos: el molinillo funciona, el portafiltro encaja con un clic. Foley: el delantal que roza, la taza sobre el plato. Ambiente: tono de sala de cafetería en silencio, el zumbido de un congelador en el canal derecho."

Comprueba: cada stem contiene solo lo que nombró su línea — el molinillo no debe sangrar en el foley — y el stem de diálogo se puede usar solo.

Dónde ejecutar estos prompts

H3 Flex se ejecuta a través de la API o el producto de Pika (o los pesos autoalojados) — no está en Imgo. Los mismos encargos corren hoy en Seedance 2.0 en el generador de vídeo de Imgo, que acepta referencias de imagen, vídeo y audio y genera audio nativo en el prompt, con cada generación mostrando sus créditos antes de enviarla. Las tarifas y los límites de ambos modelos se comparan en el análisis de precios de Pika H3 Flex.

Fuentes: la página del modelo H3 Flex de Pika y su publicación de lanzamiento, comprobadas el 2026-11-03.