Prompts Pika H3 Flex : cinq motifs copiables pour une vidéo à l'audio séparé

Pika H3 Flex se pilote de cinq façons — texte-vers-vidéo, première et dernière image, référence-vers-vidéo multimodale, édition d'un clip téléversé et export de stems audio — et chaque façon veut son prompt écrit différemment. Ces cinq motifs se copient tels quels : remplacez les parties entre [brackets] (crochets) et gardez la structure. Les marqueurs entre crochets restent en anglais, quelle que soit la langue de votre prompt. Limites vérifiées contre celles publiées par Pika : 2026-11-03.

Avant d'écrire le prompt : les limites qui le façonnent

• 5 à 15 secondes, secondes entières uniquement, à 24 fps. Écrivez le plan pour tenir dans cette durée ; un prompt qui réclame 20 secondes ne les obtiendra pas.
• Prompts jusqu'à 8000 caractères. Les prompts longs et précis sont permis ; profitez de l'espace.
• Jusqu'à 12 ressources de référence — au plus 9 images, 3 vidéos et 3 fichiers audio. Les références vidéo et audio durent de 2 à 15 secondes chacune.
• La résolution native est 480p ou 768p ; la 1080p, la 2K et la 4K arrivent par le suréchantillonneur intégré au job de Pika, qui finit la même prise.
• L'audio est natif : stéréo, avec dialogue, musique, effets sonores, bruitages et ambiance exportables en cinq stems séparés.

1. Texte-vers-vidéo avec dialogue et design sonore

Nommez le plan, la caméra, les temps de l'action dans l'ordre, puis le son — le dialogue entre guillemets, chaque couche sonore nommée. Le modèle compose ce que vous décrivez ; ce que vous laissez dehors, il le choisit.

"Un plan moyen-large de 12 secondes en 16:9 au crépuscule : [a cyclist in a yellow rain jacket] descend sans pédaler une rue pavée mouillée pendant que la caméra l'accompagne à hauteur de guidon ; elle freine devant la vitrine d'une boulangerie, pose un pied au sol et dit «Une baguette, celle avec les graines.» Une clochette tinte quand la porte s'ouvre derrière elle ; une pluie fine tapote sa capuche ; une musique de piano, discrète, tapisse l'ensemble."

À vérifier : la réplique tombe sur le mouvement des lèvres, la pluie reste continue sans clignoter, et la prise est un plan continu sans coupe cachée.

2. Spot de personnage par référence

En mode référence, les ressources portent l'identité et le prompt porte la mise en scène. Dites ce que contiennent les références, puis dirigez seulement ce qui se passe. Ne redécrivez jamais le visage du personnage en mots — c'est la référence qui en est propriétaire.

"À partir de la référence de personnage jointe pour [the presenter] et de la référence produit pour [the bottle] : un plan de 10 secondes en 9:16 dans une cuisine lumineuse. Elle soulève la bouteille, lit l'étiquette au dos, hoche une fois la tête vers la caméra et dit «En fait — le même prix que l'an dernier.» Caméra fixe ; lumière de fenêtre du matin à gauche ; ambiance de cuisine discrète."

À vérifier : le visage et les vêtements de la dernière seconde collent à la référence autant qu'à la première, et le texte de l'étiquette survit à sa lecture à l'écran.

3. Première et dernière image

Donnez à Pika l'image d'ouverture et l'image de clôture, et écrivez le prompt comme le chemin entre les deux : ce qui change, dans quel ordre, à quel rythme. Les images en entrée sont des images ; le prompt est le verbe.

"De la première image à la dernière : un plan de 8 secondes en 21:9 où la marée monte autour de [the beached wooden boat], chaque vague grimpant plus haut sur le sable ; à la dernière image, la coque flotte. Des mouettes traversent une fois à mi-plan ; vent et vagues seulement, pas de musique."

À vérifier : les première et dernière images rendues correspondent réellement aux deux visuels, et la progression est monotone — la marée ne doit pas refluer à mi-prise.

4. Éditer un clip téléversé

Pour les retouches, téléversez le clip source comme référence vidéo et écrivez le changement comme une consigne, puis dites ce qui ne doit pas bouger. H3 Flex préserve le jeu et le rythme — le rôle du prompt est d'encadrer le changement.

"Édite le clip joint : remplace [the gray hoodie] par [a navy peacoat], garde tout le reste identique — même démarche, même vitesse, même caméra, même rue et même météo. 10 secondes, audio inchangé."

À vérifier : la démarche et le rythme des pas correspondent à l'original image par image, et rien d'autre n'a dérivé dans la scène — vitrines, passants, lumière.

5. Direction audio stem par stem

Quand l'audio compte plus que l'image — mixages de dialogue, localisation, changement de musique plus tard — dirigez chaque stem par son nom. Les stems exportés arrivent en cinq WAV : dialogue, musique, effets sonores, bruitages, ambiance.

"Un plan de 10 secondes en 16:9 de [a barista] derrière le comptoir à l'heure d'ouverture, la caméra poussant lentement. Dialogue : elle dit «Le premier, c'est offert.» Musique : aucune. Effets sonores : le moulin tourne, le porte-filtre s'enclenche. Bruitages : son tablier qui frotte, la tasse posée sur la soucoupe. Ambiance : fond de café calme, ronronnement d'un congélateur sur le canal droit."

À vérifier : chaque stem ne contient que ce que sa ligne a nommé — le moulin ne doit pas déborder dans les bruitages — et le stem de dialogue s'utilise seul.

Où exécuter ces prompts

H3 Flex tourne via l'API ou le produit de Pika (ou les poids auto-hébergés) — il n'est pas sur Imgo. Les mêmes briefs tournent aujourd'hui sur Seedance 2.0 dans le générateur vidéo d'Imgo, qui accepte les références d'images, de vidéo et d'audio et génère l'audio natif dans le prompt, chaque génération affichant ses crédits avant l'envoi. Tarifs et limites des deux modèles sont comparés dans le décryptage des tarifs Pika H3 Flex.

Sources : page du modèle H3 Flex de Pika et billet de lancement, vérifiées le 2026-11-03.