Prompty Pika H3 Flex: pięć wzorców do skopiowania dla wideo z rozdzielonym audio

Pika H3 Flex jest sterowany na pięć sposobów — tekst-na-wideo, pierwsza i ostatnia klatka, multimodalna generacja z referencji, montaż wgranego klipu i eksport ścieżek audio — a każdy sposób chce promptu pisanego inaczej. Te pięć wzorców można kopiować: podmień części w [brackets], zachowaj strukturę. Placeholdery w nawiasach kwadratowych zostają po angielsku niezależnie od języka promptu. Ostatnia weryfikacja z opublikowanymi limitami Pika: 2026-11-03.

Zanim napiszesz prompt: limity, które go kształtują

• 5 do 15 sekund, tylko pełne sekundy, przy 24 fps. Zaprojektuj ujęcie pod ten czas; prompt, który potrzebuje 20 sekund, ich nie dostanie.
• Prompty do 8 000 znaków. Długie, konkretne prompty są legalne; wykorzystaj przestrzeń.
• Do 12 zasobów referencyjnych — aż 9 obrazów, 3 filmy i 3 pliki audio. Referencje wideo i audio trwają po 2–15 sekund.
• Natywna rozdzielczość to 480p lub 768p; 1080p, 2K i 4K powstają przez wbudowany w zadanie upscaler Piky, który kończy to samo ujęcie.
• Audio jest natywne: stereo, z dialogiem, muzyką, efektami, foley i ambientem eksportowanymi jako pięć osobnych ścieżek.

1. Tekst-na-wideo z dialogiem i projektem dźwięku

Nazwij ujęcie, kamerę, punkty akcji po kolei, a potem dźwięk — dialog w cudzysłowie, każda warstwa dźwięku z nazwy. Model komponuje to, co opisujesz; czego nie napiszesz, to wybierze sam.

"Ujęcie 12-sekundowe, 16:9, średnio-szerokie o zmierzchu: [a cyclist in a yellow rain jacket] zjeżdża po mokrej brukowanej ulicy, a kamera jedzie obok na wysokości kierownicy; hamuje przy witrynie piekarni, stawia jedną nogę i mówi „Jedno — to z ziarnami.” Dzwonek nad drzwiami odzywa się, gdy za nią otwierają się drzwi; drobny deszcz bębni o kaptur; cicha partia fortepianu leży pod wszystkim."

Sprawdź: kwestia trafia w ruch ust, deszcz jest równy, a nie migający, i ujęcie to jeden ciągły plan bez ukrytego cięcia.

2. Spot z postacią prowadzoną referencjami

W trybie referencji zasoby niosą tożsamość, a prompt — reżyserię. Powiedz, co zawierają referencje, a potem prowadź tylko to, co się dzieje. Nigdy nie opisuj słowami twarzy postaci — to należy do referencji.

"Z załączoną referencją postaci dla [the presenter] i referencją produktu dla [the bottle]: 10-sekundowe ujęcie 9:16 w jasnej kuchni. Podnosi butelkę, czyta etykietę z tyłu, raz kiwa głową do kamery i mówi „Szczerze — ta sama cena co w zeszłym roku.” Kamera stoi nieruchomo; poranne światło z okna z lewej; ambient kuchni cicho."

Sprawdź: twarz i strój w ostatniej sekundzie zgadzają się z referencją tak samo jak w pierwszej, a tekst etykiety wychodzi czytelnie przy czytaniu w kadrze.

3. Pierwsza i ostatnia klatka

Daj Pika klatkę początkową i końcową, a prompt napisz jako drogę między nimi: co się zmienia, w jakiej kolejności, w jakim tempie. Wejściowe klatki to obrazy; prompt to czasownik.

"Od pierwszej klatki do ostatniej: 8-sekundowe ujęcie 21:9, w którym przypływ podchodzi do [the beached wooden boat], a każda fala sięga dalej po piasku; w ostatniej klatce kadłub unosi się na wodzie. Mewy przecinają kadr raz w połowie; tylko wiatr i fale, bez muzyki."

Sprawdź: pierwsza i ostatnia wyrenderowana klatka rzeczywiście odpowiadają dwóm obrazom, a postęp jest jednokierunkowy — przypływ nie powinien cofnąć się w połowie ujęcia.

4. Montaż wgranego klipu

Przy montażu wgraj klip źródłowy jako referencję wideo i zapisz zmianę jako polecenie, a potem powiedz, co nie może się zmienić. H3 Flex zachowuje grę aktorską i timing — zadaniem promptu jest ograniczyć zakres zmiany.

"Zmontuj załączony klip: zamień [the gray hoodie] na [a navy peacoat], cała reszta identycznie — ten sam chód, ta sama prędkość, ta sama kamera, ta sama ulica i ta sama pogoda. 10 sekund, audio bez zmian."

Sprawdź: chód i rytm kroków zgadzają się z oryginałem klatka w klatkę, a nic inne w scenie nie odpłynęło — witryny, przechodnie, światło.

5. Audio sterowane ścieżkami po imieniu

Gdy dźwięk ważniejszy niż obraz — miksowanie dialogów, lokalizacja, późniejsza wymiana muzyki — prowadź każdą ścieżkę po nazwie. Wyeksportowane ścieżki przychodzą jako pięć plików WAV: dialog, muzyka, efekty, foley, ambient.

"10-sekundowe ujęcie 16:9: [a barista] pracuje za ladą o godzinie otwarcia, kamera powoli się zbliża. Dialog: mówi „Pierwsze na koszt firmy.” Muzyka: brak. Efekty: młynek mieli, portafiltr kliknięty na miejsce. Foley: szelest fartucha, filiżanka stawiana na spodku. Ambient: cichy szum sali, brzęczenie lodówki na prawym kanale."

Sprawdź: każda ścieżka zawiera tylko to, co nazwała jej linijka — młynek nie powinien przeciekać do foleya — a ścieżka dialogu nadaje się do użycia samodzielnie.

Gdzie uruchomić te prompty

H3 Flex działa przez API lub produkt Pika (albo wagi self-hosted) — nie ma go w Imgo. Te same briefy działają dziś na Seedance 2.0 w generatorze wideo Imgo, który przyjmuje referencje obrazu, wideo i audio i generuje natywny dźwięk z promptu, pokazując koszt w kredytach przed wysłaniem. Stawki i limity obu modeli porównuje analiza cen Pika H3 Flex.

Źródła: strona modelu H3 Flex i wpis startowy Piki, sprawdzone 2026-11-03.