ComfyPilotComfyPilot
文档 / 教程 / Pika H3 Flex：ComfyUI 中的文本、图像与参考视频

Pika H3 Flex：ComfyUI 中的文本、图像与参考视频

在 ComfyUI 中通过合作伙伴 API 运行 Pika H3 Flex：支持文本、图像、首尾帧以及参考视频，并生成音频，输出范围从 480p 到 4K。

教程 pika-h3-flex 更新于 2026-11-08

查看官方原文

Pika H3 Flex：ComfyUI 中的文本、图像与参考视频

在 ComfyUI 中通过合作伙伴 API 运行 Pika H3 Flex：支持文本、图像、首尾帧以及参考视频，并生成音频，输出范围从 480p 到 4K。

Pika H3 Flex 是 Pika 基于 MiniMax H3 后训练得到的版本，通过 Pika 合作伙伴 API 提供服务。Pika H3 Flex Video 节点根据文本提示词、首帧或尾帧生成一段带同步音频的视频片段，Pika H3 Flex Reference to Video 节点则额外接受参考图像、视频和音频片段。两者都无需下载权重。

本页介绍 API 版本。关于在本地 H3 基础模型上运行两个 LoRA 适配器的开放权重版本，请参阅 Pika H3 Flex。

[!TIP] 使用 API 节点需要保证你已经正常登录，并在受许可的网络环境下使用，请参考API 节点总览部分文档来了解使用 API 节点的具体使用要求。
[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。 > > 如果加载工作流时有节点缺失，可能原因有： > > 1. 你用的不是最新版（每夜版）。 > 2. 启动时有些节点导入失败。 > [tab] 云端用户 > > * Cloud 会在 ComfyUI 稳定版本发布后更新。 > > 所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。

开始使用

  1. 将 ComfyUI 更新到 0.44.1 或更高版本
  2. 前往模板库，搜索 Pika H3 Flex
  3. 编写提示词，然后运行工作流

Pika H3 Flex：文本转视频（API）

根据文本提示词生成一段带音频的视频片段，最长 15 秒。

Pika H3 Flex 文本转视频工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索 "Pika H3 Flex"
  • 分辨率：480p、768p、1080p、2k 或 4k，默认 768p。1080p 及以上会以 768p 渲染，然后放大一次
  • 时长：5 到 15 秒。输出遵循帧网格，其中 5 秒对应 124 帧，约 5.17 秒
  • 比例：auto 跟随第一个已连接的帧，否则跟随提示词
  • 重写提示词：默认关闭，这样可以保持提示词和种子可复现

图像转视频与首尾帧

同一个节点即可处理这两种情况。仅连接 first_frame 可以为起始图像制作动画，或同时连接 first_frame 与 last_frame，生成两个固定帧之间的运动。

参考视频生成

Pika H3 Flex Reference to Video 节点根据参考素材生成或编辑视频片段：最多支持 9 张图像、3 个视频和 3 段音频，合计 12 个参考。每个视频和音频片段需为 2 至 15 秒，视频与音频各自最多合计 15 秒。

在提示词中按连接顺序使用 @Image1、@Video1 或 @Audio1 引用这些参考素材。如果想使用新的环境音或新音乐，而不是已连接视频中的声音，请关闭 reference_video_audio。

Pika 音频节点

三个音频节点都运行在同一套 Pika API 上，并按生成音频的秒数计费：

  • Pika Soundtrack：将最长 10 分钟的视频音频替换为同步配乐。指令用于描述音效、环境声或音乐；留空则根据画面推导音频
  • Pika SFX：根据文字描述生成音效，时长为 1 至 20 秒
  • Pika Music：根据文本提示词和可选歌词生成歌曲，时长为 10 至 360 秒，或按原曲长度制作翻唱（时长限制在 5 至 360 秒）

提示词格式

Pika H3 Flex 的提示词遵循 MiniMax H3 文本模式的结构，即由一段描述同时承载画面与声音：

integrated_multimodal_description: [Shot 1] Live-action, cinematic, ... The camera tracks low alongside the board ...

overall_soundscape: Wind rushes past the microphone, the board slaps across shallow water ...

non_diegetic_music: A bright electronic pulse at a fast tempo ...

请确保所描述的每一个事件都发生在你设定的时长之内。完整的提示词结构（包括对白标签与镜头列表）请参阅 MiniMax H3 提示词编写指南。

费用

视频节点按输出时长每秒计费，且费率随分辨率升高而提高。当前积分价格请参阅合作伙伴节点定价。