Prompt per Pika H3 Flex: cinque pattern copiabili per video con audio separato

Pika H3 Flex si guida in cinque modi — testo-in-video, primo e ultimo fotogramma, riferimento-in-video multimodale, montaggio di una clip caricata ed esportazione di stem audio — e ogni modo vuole il suo prompt scritto in modo diverso. Questi cinque pattern si copiano così come sono: sostituisci le parti tra [brackets] (parentesi quadre) e conserva la struttura. I segnaposto tra parentesi quadre restano in inglese qualunque sia la lingua del tuo prompt. Limiti verificati contro quelli pubblicati da Pika: 2026-11-03.

Prima del prompt: i limiti che ne danno la forma

• Da 5 a 15 secondi, solo secondi interi, a 24 fps. Scrivi l'inquadratura per restarci dentro; un prompt che chiede 20 secondi non li otterrà.
• Prompt fino a 8000 caratteri. I prompt lunghi e specifici sono leciti; usa tutto lo spazio.
• Fino a 12 risorse di riferimento — al massimo 9 immagini, 3 video e 3 file audio. I riferimenti video e audio durano da 2 a 15 secondi ciascuno.
• La risoluzione nativa è 480p o 768p; 1080p, 2K e 4K arrivano tramite l'upscaler interno al job di Pika, che rifinisce la stessa ripresa.
• L'audio è nativo: stereo, con dialoghi, musica, effetti sonori, foley e ambiente esportabili come cinque stem separati.

1. Testo-in-video con dialogo e sound design

Nomina l'inquadratura, la camera, le azioni in ordine, e poi il suono — il dialogo tra virgolette, ogni livello sonoro per nome. Il modello compone ciò che descrivi; ciò che ometti, lo sceglie lui.

"Un piano medio-largo di 12 secondi in 16:9 al tramonto: [a cyclist in a yellow rain jacket] scende senza pedalare lungo una strada lastricata e bagnata mentre la camera le scorre accanto all'altezza del manubrio; lei frena davanti alla vetrina di un panificio, appoggia un piede e dice «Un filone, quello con i semi.» Un campanello suona quando la porta si apre alle sue spalle; una pioggia leggera tamburella sul cappuccio; una quieta colonna di piano avvolge tutto."

Controlla: la battuta cade sul movimento delle labbra, la pioggia è costante e non sfarfalla, e la ripresa è un piano continuo senza tagli nascosti.

2. Spot di personaggio da riferimento

In modalità riferimento gli asset portano l'identità e il prompt porta la regia. Dì che cosa contengono i riferimenti, poi dirigi solo ciò che accade. Non ridescrivere mai il volto del personaggio a parole: quello è compito del riferimento.

"Usando il riferimento personaggio allegato per [the presenter] e il riferimento prodotto per [the bottle]: un'inquadratura di 10 secondi in 9:16 in una cucina luminosa. Lei solleva la bottiglia, legge l'etichetta sul retro, annuisce una volta verso la camera e dice «A dire il vero — stesso prezzo dell'anno scorso.» Camera ferma; luce di finestra mattutina da sinistra; ambiente della cucina basso."

Controlla: volto e abiti dell'ultimo secondo somigliano al riferimento quanto nel primo, e il testo dell'etichetta sopravvive alla lettura in camera.

3. Primo e ultimo fotogramma

Dai a Pika il fotogramma di apertura e quello di chiusura, e scrivi il prompt come il percorso tra i due: che cosa cambia, in quale ordine, a quale ritmo. Gli ingressi fotogramma sono immagini; il prompt è il verbo.

"Dal primo fotogramma all'ultimo: un'inquadratura di 8 secondi in 21:9 in cui la marea sale attorno a [the beached wooden boat], ogni onda che avanza più su sulla sabbia; nell'ultimo fotogramma lo scafo galleggia. Dei gabbiani attraversano una volta a metà inquadratura; solo vento e onde, niente musica."

Controlla: il primo e l'ultimo fotogramma generati corrispondono davvero alle due immagini, e la progressione è monotona — la marea non deve ritirarsi a metà ripresa.

4. Montare una clip caricata

Per le modifiche, carica la clip sorgente come riferimento video e scrivi il cambiamento come un'istruzione, poi dì che cosa non deve cambiare. H3 Flex preserva interpretazione e tempi: il compito del prompt è delimitare la modifica.

"Modifica la clip allegata: sostituisci [the gray hoodie] con [a navy peacoat], tieni tutto il resto identico — stessa camminata, stessa velocità, stessa camera, stessa strada e stesso meteo. 10 secondi, audio invariato."

Controlla: l'andatura e i tempi del passo coincidono con l'originale fotogramma per fotogramma, e nient'altro nella scena è slittato — vetrine, passanti, luce.

5. Regia audio per stem

Quando l'audio conta più dell'immagine — mix di dialoghi, localizzazione, una musica da sostituire più avanti — dirigi ogni stem per nome. Gli stem esportati arrivano come cinque WAV: dialoghi, musica, effetti sonori, foley, ambiente.

"Un'inquadratura di 10 secondi in 16:9 di [a barista] al lavoro dietro il bancone all'orario di apertura, camera che si avvicina lentamente. Dialoghi: lei dice «Il primo lo offre la casa.» Musica: nessuna. Effetti: il macinacaffè gira, il portafiltro scatta in sede. Foley: il grembiule che fruscia, la tazza posata sul piattino. Ambiente: sottofondo tranquillo del locale, il ronzio di un freezer sul canale destro."

Controlla: ogni stem contiene solo ciò che la sua riga ha nominato — il macinacaffè non deve sconfinare nel foley — e lo stem dei dialoghi si usa da solo.

Dove eseguire questi prompt

H3 Flex gira tramite l'API o il prodotto di Pika (o i pesi self-hosted) — non è su Imgo. Le stesse brief girano oggi su Seedance 2.0 nel generatore video di Imgo, che accetta riferimenti di immagini, video e audio e genera audio nativo nel prompt, con ogni generazione che mostra i crediti prima dell'invio. Tariffe e limiti dei due modelli sono confrontati nell'analisi dei prezzi di Pika H3 Flex.

Fonti: pagina del modello H3 Flex di Pika e post di lancio, controllate il 2026-11-03.