Prompter för Pika H3 Flex: fem kopierbara mönster för video med separerat ljud

Pika H3 Flex styrs på fem sätt — text-till-video, första och sista bildrutan, multimodal referens-till-video, redigering av en uppladdad klipp och export av ljudstems — och varje sätt vill ha sin prompt skriven på sitt sätt. De här fem mönstren går att kopiera: byt ut delarna inom [brackets], behåll strukturen. Platshållare inom hakparenteser förblir engelska oavsett vilket språk du promptar på. Senast kontrollerad mot Pikas publicerade gränser: 2026-11-03.

Innan du promptar: gränserna som formar prompten

• 5 till 15 sekunder, endast hela sekunder, vid 24 fps. Skriv tagningen så att den passar; en prompt som behöver 20 sekunder får dem inte.
• Prompter på upp till 8 000 tecken. Långa, specifika prompter är tillåtna; använd utrymmet.
• Upp till 12 referenstillgångar — så många som 9 bilder, 3 videor och 3 ljudfiler. Video- och ljudreferenser varar 2–15 sekunder var.
• Nativ upplösning är 480p eller 768p; 1080p, 2K och 4K kommer via Pikas uppskalare inne i jobbet, som finslipar samma tagning.
• Ljudet är nativt: stereo, med dialog, musik, ljudeffekter, foley och atmosfär exporterbara som fem separata stems.

1. Text-till-video med dialog och ljuddesign

Namnge tagningen, kameran, handlingens slag i ordning och sedan ljudet — dialog inom citattecken, varje ljudnivå med namn. Modellen komponerar det du beskriver; det du lämnar ut väljer den själv.

"En 12 sekunder lång 16:9-halvtotal i skymningen: [a cyclist in a yellow rain jacket] rullar nerför en våt gatstensgata medan kameran följer med i cykelhöjd; hon bromsar vid ett bagerifönster, sätter en fot i marken och säger ”Ett bröd, det med fröna.” En dörrklocka ringer när dörren öppnas bakom henne; lätt regn smattrar på hennes huva; en stilla pianomelodi ligger under allt."

Kontrollera: repliken träffar läpprörelsen, regnet är jämnt snarare än flimrande, och tagningen är ett enda sammanhängande klipp utan dold skärning.

2. Karaktärsspot driven av referenser

I referensläget bär tillgångarna identiteten och prompten regin. Säg vad referenserna innehåller och regissera sedan bara det som händer. Beskriv aldrig karaktärens ansikte i ord igen — det äger referensen.

"Med den bifogade karaktärsreferensen för [the presenter] och produktreferensen för [the bottle]: en 10-sekunders 9:16-tagning i ett ljust kök. Hon lyfter flaskan, läser baketiketten, nickar en gång mot kameran och säger ”På riktigt — samma pris som förra året.” Kameran står stilla; morgonljus från fönstret till vänster; köksatmosfären lågt."

Kontrollera: ansikte och kläder stämmer med referensen i sista sekunden lika bra som i första, och etikettexten överlever att läsas på kameran.

3. Första och sista bildrutan

Ge Pika öppningsbilden och slutbilden och skriv prompten som vägen mellan dem: vad som förändras, i vilken ordning, i vilket tempo. Bildinmatningar är bilder; prompten är verbet.

"Från första bildrutan till den sista: en 8-sekunders 21:9-tagning där tidvattnet kommer in runt [the beached wooden boat], varje våg når längre upp på sanden; i den sista bildrutan flyter skrovet. Måsar korsar en gång i mitten av tagningen; bara vind och vågor, ingen musik."

Kontrollera: de renderade första och sista bildrutorna matchar verkligen de två bilderna, och utvecklingen är monotont framåt — tidvattnet ska inte vika tillbaka mitt i tagningen.

4. Redigera en uppladdad klipp

För redigeringar: ladda upp källklippet som videoreferens och skriv ändringen som en instruktion, säg sedan vad som inte får förändras. H3 Flex bevarar prestation och timing — promptens uppgift är att avgränsa ändringen.

"Redigera den bifogade klippen: byt ut [the gray hoodie] mot [a navy peacoat], håll allt annat identiskt — samma gång, samma fart, samma kamera, samma gata och väder. 10 sekunder, ljudet oförändrat."

Kontrollera: gång och stegrytm matchar originalet bildruta för bildruta, och inget annat i scenen drev — skyltfönster, förbipasserande, ljus.

5. Ljudregi stems först

När ljudet spelar större roll än bilden — dialogmixar, lokalisering, ett musikbyte senare — regissera varje stem vid namn. Exporterade stems kommer som fem WAV: dialog, musik, ljudeffekter, foley, atmosfär.

"En 10-sekunders 16:9-tagning av [a barista] som arbetar bakom disken vid öppning, kameran kör långsamt in. Dialog: hon säger ”Den första är på huset.” Musik: ingen. Ljudeffekter: kvarnen går, portafiltret klickar i. Foley: hennes förkläde prasslar, koppen sätts på fatet. Atmosfär: tyst caférumston, ett kylskåpsbrum i höger kanal."

Kontrollera: varje stem innehåller bara vad dess rad namngav — kvarnen ska inte läcka in i foleyn — och dialogstemet går att använda ensamt.

Var de här prompterna körs

H3 Flex körs via Pikas API eller produkt (eller självhostade vikter) — den finns inte på Imgo. Samma briefings körs i dag på Seedance 2.0 i Imgos videogenerator, som tar bild-, video- och ljudreferenser och genererar nativt ljud i prompten, med varje generering som visar sitt kreditpris innan du skickar. Priser och gränser för båda modellerna jämförs i prisgenomgången för Pika H3 Flex.

Källor: Pikas modellsida för H3 Flex och lanseringsinlägget, kontrollerade 2026-11-03.