Prompts para o Pika H3 Flex: cinco padrões copiáveis para vídeo com áudio separado

O Pika H3 Flex é acionado de cinco maneiras — texto-para-vídeo, primeiro e último quadro, referência-para-vídeo multimodal, edição de um clip enviado e exportação de stems de áudio — e cada uma pede o prompt escrito de um jeito. Estes cinco padrões podem ser copiados como estão: substitua as partes entre [brackets] (colchetes) e mantenha a estrutura. Os marcadores entre colchetes ficam em inglês independentemente do idioma em que você escreve o prompt. Limites conferidos contra os publicados pela Pika: 2026-11-03.

Antes do prompt: os limites que moldam o prompt

• De 5 a 15 segundos, só segundos inteiros, a 24 fps. Escreva a cena para caber nesse tempo; um prompt que precisa de 20 segundos não vai consegui-los.
• Prompts de até 8000 caracteres. Prompts longos e específicos são permitidos; use o espaço.
• Até 12 recursos de referência — no máximo 9 imagens, 3 vídeos e 3 arquivos de áudio. As referências de vídeo e áudio duram de 2 a 15 segundos cada.
• A resolução nativa é 480p ou 768p; 1080p, 2K e 4K chegam pelo upscaler dentro do job da Pika, finalizando a mesma tomada.
• O áudio é nativo: estéreo, com diálogo, trilha, efeitos, foley e ambiente exportáveis como cinco stems separados.

1. Texto-para-vídeo com diálogo e desenho de som

Nomeie a cena, a câmera, as ações em ordem e por fim o som — o diálogo entre aspas e cada camada sonora pelo nome. O modelo compõe o que você descreve; o que você omitir, ele escolhe.

"Um plano médio-largo de 12 segundos em 16:9 ao entardecer: [a cyclist in a yellow rain jacket] desce sem pedalar por uma rua de paralelepípedos molhada enquanto a câmera acompanha pela altura do guidão; ela freia diante da vitrine de uma padaria, apoia um pé e diz «Um pão, aquele com as sementes.» Uma campainha soa quando a porta se abre atrás dela; uma chuva fina bate no capuz; uma trilha de piano discreta sustenta tudo."

Confira: a fala cai no movimento dos lábios, a chuva é constante em vez de piscar, e a tomada é um plano contínuo sem corte oculto.

2. Spot de personagem por referência

No modo referência, os recursos carregam a identidade e o prompt carrega a direção. Diga o que as referências contêm e dirija apenas o que acontece. Nunca redescreva o rosto do personagem em palavras — isso é da referência.

"Usando a referência de personagem anexada para [the presenter] e a referência de produto para [the bottle]: um plano de 10 segundos em 9:16 numa cozinha iluminada. Ela levanta a garrafa, lê o rótulo de trás, assente uma vez para a câmera e diz «Na verdade — mesmo preço do ano passado.» Câmera parada; luz de janela matinal vinda da esquerda; ambiente de cozinha baixo."

Confira: o rosto e a roupa do último segundo correspondem à referência tanto quanto no primeiro, e o texto do rótulo sobrevive à leitura diante da câmera.

3. Primeiro e último quadro

Entregue à Pika o quadro de abertura e o de fechamento e escreva o prompt como o caminho entre eles: o que muda, em que ordem, em que ritmo. As entradas de quadro são imagens; o prompt é o verbo.

"Do primeiro ao último quadro: um plano de 8 segundos em 21:9 em que a maré sobe ao redor de [the beached wooden boat], cada onda avançando mais pela areia; no quadro final o casco flutua. Gaivotas cruzam uma vez no meio do plano; só vento e ondas, sem música."

Confira: os quadros inicial e final gerados correspondem de fato às duas imagens, e a progressão é monotônica — a maré não deve recuar no meio da tomada.

4. Editar um clip enviado

Para edições, envie o clip de origem como referência de vídeo e escreva a mudança como uma instrução; depois diga o que não pode mudar. O H3 Flex preserva atuação e timing — o trabalho do prompt é limitar a mudança.

"Edite o clip anexado: troque [the gray hoodie] por [a navy peacoat], mantenha todo o resto idêntico — mesma passada, mesma velocidade, mesma câmera, mesma rua e mesmo clima. 10 segundos, áudio inalterado."

Confira: a passada e o ritmo dos passos coincidem com o original quadro a quadro, e nada mais na cena se deslocou — vitrines, pedestres, luz.

5. Direção de áudio por stems

Quando o áudio importa mais que a imagem — mixagens de diálogo, localização, trocar a trilha depois — dirija cada stem pelo nome. Os stems exportados chegam como cinco WAVs: diálogo, trilha, efeitos, foley e ambiente.

"Um plano de 10 segundos em 16:9 de [a barista] trabalhando atrás do balcão na hora de abrir, com a câmera se aproximando devagar. Diálogo: ela diz «O primeiro é por conta da casa.» Trilha: nenhuma. Efeitos: o moedor funciona, o porta-filtro encaixa com um clique. Foley: o avental farfalhando, a xícara pousada no pires. Ambiente: tom de sala de cafeteria silencioso, o zumbido de um freezer no canal direito."

Confira: cada stem contém só o que a sua linha nomeou — o moedor não deve vazar para o foley — e o stem de diálogo serve sozinho.

Onde rodar estes prompts

O H3 Flex roda pela API ou produto da Pika (ou pesos auto-hospedados) — ele não está no Imgo. Os mesmos briefs rodam hoje no Seedance 2.0 no gerador de vídeo do Imgo, que aceita referências de imagem, vídeo e áudio e gera áudio nativo no prompt, com cada geração mostrando os créditos antes do envio. As tarifas e os limites dos dois modelos são comparados na análise de preços do Pika H3 Flex.

Fontes: página do modelo H3 Flex da Pika e post de lançamento, verificadas em 2026-11-03.