Pika H3 Flex プロンプト：分離オーディオ付き動画のためのコピー可能な 5 パターン

Pika H3 Flex には 5 つの駆動方法があります——テキストから動画、最初と最後のフレーム、マルチモーダルな参照から動画、アップロードしたクリップの編集、オーディオステムの書き出し——それぞれプロンプトの書き方が違います。次の 5 つのパターンはそのままコピーできます：[brackets] 内の部分を置き換え、構造はそのまま保ってください。角かっこのプレースホルダーは、どの言語でプロンプトを書いても英語のままにします。Pika 公表の上限に照らした最終確認：2026-11-03。

プロンプトの前に：書き方を決める上限

• 5–15 秒、整数秒のみ、24 fps。ショットはこの長さに収まるように書きます。20 秒必要なプロンプトが 20 秒を得ることはありません。
• プロンプトは最大 8,000 文字。長く具体的なプロンプトは正当です。余白を使い切ってください。
• 参照素材は最大 12 個——画像は 9 枚まで、動画 3 本、音声 3 ファイル。動画と音声の参照はそれぞれ 2–15 秒です。
• ネイティブ解像度は 480p または 768p。1080p、2K、4K は Pika のジョブ内アップスケーラが同じテイクを仕上げます。
• 音声はネイティブ：ステレオで、ダイアログ、スコア、SFX、フォーリー、アンビエンスが 5 本のステムとして書き出せます。

1. セリフとサウンド設計付きのテキストから動画

ショット、カメラ、アクションのビートを順に書き、次に音を書きます——セリフは引用符に入れ、それぞれの音のレイヤーを名指しします。モデルはあなたが記述したものだけを構成します。書かなかったことはモデルが選びます。

"黄昏の 12 秒 16:9 ミディアムワイドショット：[a cyclist in a yellow rain jacket] が濡れた石畳の坂を滑るように下り、カメラがハンドルバーの高さで並走します。彼女はベーカリーのショーウィンドウの前でブレーキをかけ、片足をついて、\"種付きのパンを一つ。\"と言います。店のドアが背後で開いてベルが鳴り、小雨がフードを打ち、静かなピアノのスコアが全体の下に敷かれます。"

確認：セリフが口の動きに乗っているか、雨がちらつかず安定しているか、テイクが隠れたカットのない連続ショットか。

2. 参照駆動のキャラクタースポット

参照モードでは、素材がアイデンティティを担い、プロンプトが演出を担います。参照に何が含まれているかを述べてから、起こることだけを指示します。キャラクターの顔を言葉で再描述しないこと——それは参照の領分です。

"添付のキャラクター参照で [the presenter] を、製品参照で [the bottle] を：明るいキッチンでの 10 秒 9:16 ショット。彼女はボトルを持ち上げ、裏ラベルを読み、カメラに一度うなずいて、\"実は——去年と同じ値段。\"と言います。カメラは固定。朝の窓光は左から。キッチンのアンビエンスは低めに。"

確認：最後の 1 秒の顔と服装が最初の 1 秒と同じくらい参照に一致しているか、ラベルの文字が画面上で読まれて保たれているか。

3. 最初と最後のフレーム

Pika に開始フレームと終了フレームを渡し、プロンプトはその間の経路として書きます：何が、どの順で、どの速さで変わるか。フレーム入力は画像であり、プロンプトは動詞です。

"最初のフレームから最後のフレームへ：[the beached wooden boat] の周りに潮が満ちていく 8 秒 21:9 ショット。波ごとに砂をさらに高くまで届け、最終フレームでは船体が浮きます。カモメがショットの中ほどで一度横切り、風と波の音のみ、音楽はなし。"

確認：レンダリングされた最初と最後のフレームが 2 枚の画像と本当に一致しているか。進行が単調か——潮が途中で引いていないか。

4. アップロードしたクリップの編集

編集では、ソースクリップを動画参照としてアップロードし、変更を指示として書き、次に変わってはいけないものを明記します。H3 Flex は演技とタイミングを保ちます——プロンプトの仕事は変更の範囲を区切ることです。

"添付のクリップを編集：[the gray hoodie] を [a navy peacoat] に置き換え、それ以外はすべて同一に——同じ歩き方、同じ速さ、同じカメラ、同じ通りと天候。10 秒、音声は変更なし。"

確認：歩幅と歩調のタイミングが元のフレームどおりか。店構え、通行人、光など、他のものが動いていないか。

5. ステム優先の音声指定

音声が画像より重要なとき——セリフのミックス、ローカライズ、後日のスコア差し替え——は、ステムをそれぞれ名前で指定します。書き出されたステムは 5 本の WAV として届きます：ダイアログ、スコア、SFX、フォーリー、アンビエンス。

"開店時間にカウンターの後ろで働く [a barista] の 10 秒 16:9 ショット。カメラがゆっくりプッシュインします。ダイアログ：彼女は\"最初の一杯はサービス。\"と言います。スコア：なし。SFX：グラインダーが回り、ポルタフィルターがカチャッとはまる。フォーリー：エプロンのこすれ、カップをソーサーに置く音。アンビエンス：静かなカフェのルームトーン、右チャンネルに冷凍庫の低いうなり。"

確認：各ステムにその行で名指しされたものだけが入っているか——グラインダーがフォーリーに漏れていないか。ダイアログステムは単独で使えるか。

これらのプロンプトを実行するには

H3 Flex は Pika の API か製品（またはセルフホストのウェイト）で動きます——Imgo にはありません。同じブリーフは今日、Imgo の動画ジェネレーターで動く Seedance 2.0 でも実行できます。画像・動画・音声参照を受け付け、ネイティブ音声をプロンプト内で生成し、送信前に毎回クレジットを表示します。両モデルのレートと上限の比較は Pika H3 Flex の料金詳細にあります。

出典：Pika の H3 Flex モデルページとローンチ投稿、2026-11-03 確認。