Pika H3 Flex 공개, 참고 이미지·영상·오디오를 함께 넣어 영상 만드는 조건

참조 입력을 역할별로 나눠 시험하는 법: 로컬 가중치와 API, 비용·라이선스까지 (2026년 11월 기준)

2026년 10월 29일 Pika가 Pika H3 Flex를 공개했습니다. MiniMax H3를 후학습한 영상·오디오 생성 모델로, 발표에서는 API와 가중치 공개를 알렸고 Pika 창작 제품에는 11월 2일 제공 예정이라고 밝혔습니다. 이 글은 새 모델 소식 자체보다 한 가지 질문에 집중합니다. 참고 이미지·영상·오디오를 함께 넣어 영상을 만들 때, 무엇을 얼마나 넣어야 하고 어떤 조건을 지켜야 하는가입니다.

이 비교가 필요한 사람은 세 부류입니다. 첫째, 인물이나 제품 이미지를 기준으로 짧은 광고·소개 영상을 만들어 보려는 실무자입니다.
둘째, 로컬에서 가중치를 돌릴지 API를 쓸지 고민하는 개발자입니다.
셋째, 비용과 라이선스를 먼저 따져 보려는 운영 담당자입니다.

결론부터 말씀드리면 세 가지입니다.

① 참고 입력을 많이 넣는다고 결과가 좋아진다고 볼 근거는 공개된 자료에 없습니다. 이미지·영상·오디오에 각각 다른 역할을 주고 결과를 비교하는 시험이 먼저입니다.

② 로컬 가중치와 API는 할 수 있는 일이 다릅니다. 4K 마무리와 오디오 스템 분리는 API 쪽 기능으로 안내되어 있습니다.

③ 라이선스의 지역 조건은 기능 시험보다 먼저 확인해야 합니다.

참고로 같은 계열의 다른 모델들이 참조 입력 수와 속도, 인물 일관성, 오디오 생성 방식에서 어떻게 다른지는 이미 여러 글에서 다뤄졌습니다. 이 글은 그 내용을 반복하지 않고, Pika H3 Flex의 참조 입력 규칙과 실행 환경 두 가지의 경계를 다룹니다.

무엇을 기준으로 비교하나: 참조 역할 분담과 실행 환경 두 축

이 글의 비교 기준은 참조 입력을 어떤 조합으로 넣느냐와 어디에서 실행하느냐, 두 축입니다. 점수나 가중치는 매기지 않습니다. 공개된 자료로 확인되는 조건과, 직접 시험해야만 알 수 있는 항목을 구분해서 보여 드리는 것이 목적입니다.

비교 기준은 다섯 가지입니다.

① 입력 조건: 넣을 수 있는 참조의 종류, 개수, 길이 한도입니다.

② 역할 분담: 이미지·영상·오디오 참조에 각각 무엇을 맡기는지입니다.

③ 출력 조건: 생성 길이, 기본 해상도, 마무리 해상도, 오디오 산출물입니다.

④ 비용과 시간: 초당 요금 구조와 실제 대기 시간에 대한 기대치입니다.

⑤ 사용 제약: 라이선스의 지역 조건과 Pika가 직접 적은 개선 과제입니다.

여기서 비교하는 선택지는 두 가지입니다. 하나는 공개 가중치를 내려받아 로컬에서 실행하는 방식, 다른 하나는 Pika API를 호스팅 방식으로 쓰는 방식입니다. 공식 자료는 두 방식의 기능 범위가 완전히 같지 않다고 안내하므로, 이 차이가 곧 선택 기준이 됩니다.

한 가지 전제를 둡니다. 공개된 자료에는 참조 조합별 품질 우열, 생성 성공률, 일관성 개선 폭을 보여 주는 수치가 없습니다. 그래서 이 글은 "어느 조합이 낫다"를 말하지 않고, 직접 비교해 볼 수 있는 시험 설계를 드립니다.

참조 입력의 공통 규칙: 이미지·영상·오디오를 함께 넣을 때 지켜야 할 한도

참조 영상 생성은 이미지·영상·오디오를 함께 넣을 수 있지만 오디오 단독 입력은 지원하지 않습니다. API 문서 기준으로 이미지 또는 영상 참조가 적어도 하나는 있어야 합니다. 2026년 11월 1일 확인한 한도는 다음과 같습니다.

① 이미지 참조는 최대 9개입니다.

② 영상 참조는 최대 3개입니다.

③ 오디오 참조는 최대 3개입니다.

④ 전체 참조 파일은 최대 12개입니다.

여기서 눈여겨볼 점은 종류별 한도의 합이 15개(9+3+3)인데 전체 한도는 12개라는 것입니다. 종류별 한도를 다 채울 수는 없다는 뜻입니다. 예를 들어 이미지 9개를 넣으면 영상과 오디오를 합쳐 3개까지만 남습니다. 어떤 참조에 자리를 배정할지 미리 정해 두어야 하는 이유입니다.

길이 조건도 따로 있습니다. 참조 영상과 오디오 클립은 각각 2~15초이고, 같은 유형 참조의 합계 길이는 최대 15초입니다. 영상 참조 3개를 쓴다면 셋의 길이를 합쳐 15초 이내여야 합니다. 그래서 길이가 긴 원본을 통째로 넣기보다, 어느 구간을 참조로 쓸지 먼저 정하는 편집 작업이 시험의 첫 단계가 됩니다.

출력 길이는 로컬 5~15초, API 3~15초입니다. 이 범위 차이는 짧은 클립을 많이 뽑아 시험하려는 경우에 의미가 있습니다. API는 3~4초 클립도 요청할 수 있습니다.

참조에 역할을 나눠 주는 프롬프트 설계

GitHub에 공개된 Pika 프롬프트 가이드는 각 참조를 <​Picture 1>, <​Video 1>, <​Audio 1>처럼 번호로 지칭하고, 얼굴·동작·분위기 등 맡길 역할을 구분해 쓰도록 안내합니다. 번호만 붙여 파일을 던져 넣는 것과, 각 파일이 무엇을 담당하는지 문장으로 지정하는 것은 다른 입력입니다.

역할 분담의 기본 배치는 다음과 같이 생각할 수 있습니다. 이 배치는 가이드가 말한 "얼굴·동작·분위기" 구분을 시험용으로 풀어 쓴 것이며, 결과가 보장된다는 뜻은 아닙니다.

① 이미지 참조: 인물의 얼굴, 제품의 외형, 배경의 분위기처럼 정지 상태에서 확인되는 시각 요소를 맡깁니다.

② 영상 참조: 카메라 움직임이나 인물의 동작처럼 시간에 따라 변하는 요소를 맡깁니다.

③ 오디오 참조: 목소리의 느낌이나 음악의 분위기를 맡깁니다.

프롬프트 작성에서 가이드가 주는 언어 지침은 두 가지입니다. 장면 설명은 영어로 쓰고, 대사나 화면 문구는 실제 출력할 언어로 지정하라는 것입니다. 다만 같은 문서는 언어 태그가 검증된 지원 언어 목록이 아니라고 덧붙입니다. 한국어 대사를 넣을 계획이라면 지원이 보장된 것으로 보지 말고, 짧은 문장으로 먼저 시험해 발음과 자막 표기를 확인하는 순서가 안전합니다.

프롬프트의 뼈대는 이런 모양입니다. 아래는 형식을 보여 주는 견본이며, 실제 효과는 직접 확인해야 합니다.

"Use <​Picture 1> for the face and outfit. Follow the camera movement of <​Video 1>. Use <​Audio 1> as the mood reference for the voice."

이 견본의 핵심은 문장 구조입니다. 참조 번호 + 맡길 역할의 쌍을 한 문장씩 나눠 쓰면, 나중에 결과가 어긋났을 때 어느 역할 지정이 문제였는지 추적하기 쉽습니다.

선택지 1: 공개 가중치로 로컬 실행

로컬 실행은 모델을 직접 돌려 보며 입력 조합을 반복 시험하기에 적합하지만, 마무리 해상도와 스템 분리 면에서는 API보다 기능 범위가 좁게 안내됩니다.

공개 가중치의 기본 생성 해상도는 480p와 768p입니다. 4K는 기본 생성 해상도가 아닙니다. 출시 글은 1080p·2K·4K 업스케일링과 오디오 스템 분리를 Pika API가 제공하는 기능으로 설명합니다. 즉 로컬에서 받는 결과물은 480p·768p 영상이고, 그 이상의 해상도가 필요하면 API의 마무리 단계를 거치는 구조로 안내되어 있습니다.

생성 속도에 대한 발표 수치는 해석에 주의가 필요합니다. 출시 글은 6단계 생성(기반 모델은 50단계)과 15초 클립을 768p로 만들 때 변환기(DiT) 연산 시간 7초를 소개합니다. 그러나 Pika는 이 7초가 API 요청부터 결과 수신까지의 전체 대기 시간이 아니라고 명시했습니다. 참조 입력 처리, 업스케일링, 스템 분리, 서버 처리 등이 더해질 수 있다고 적혀 있습니다. 따라서 "15초 영상을 7초 만에"라고 이해하면 기대치가 어긋납니다. 이 수치는 연산의 한 구간이고, 실제 체감 시간은 환경에 따라 달라집니다.

로컬 실행이 어울리는 조건은 다음과 같습니다.

① 같은 참조 조합을 바꿔 가며 반복 시험을 많이 해야 하는 경우입니다. 호출당 요금 구조와 무관하게 시험 횟수를 늘릴 수 있습니다.

② 480p·768p 해상도로 구도와 동작 검증을 먼저 하려는 경우입니다.

③ 출력 길이 5~15초가 시험 범위에 맞는 경우입니다.

로컬 실행의 제약도 분명합니다.

① 라이선스의 지역 조건을 반드시 먼저 확인해야 합니다. 이 내용은 뒤의 별도 섹션에서 다룹니다.

② 4K 마무리와 오디오 스템 분리는 API 기능으로 안내되므로, 로컬에서는 그 단계가 없습니다.

③ 실행에 필요한 하드웨어 사양은 이번 공개 자료에서 확인되지 않으므로, 이 글에서는 수치를 단정하지 않습니다. 가중치 저장소의 안내를 직접 확인하셔야 합니다.

선택지 2: Pika API로 호스팅 실행

API는 업스케일링과 오디오 스템 분리까지 한 번에 받을 수 있는 대신, 생성 길이·요금·대기 시간을 호출 단위로 따져야 합니다.

API가 제공한다고 안내된 기능은 1080p·2K·4K 마무리와 오디오 스템 분리입니다. 출력 길이는 3~15초입니다. 기본 생성과 마무리가 분리된 구조이므로, 시험 단계에서는 낮은 해상도로 빠르게 확인하고 결과가 괜찮은 조합만 높은 해상도로 올리는 운영이 가능합니다. 다만 업스케일링 단계가 추가될수록 전체 대기 시간이 길어질 수 있다는 점은 발표에서 이미 언급된 사항입니다.

오디오 스템에는 공식 자료끼리 표기가 다른 부분이 있습니다. 출시 발표는 별도 오디오 스템을 Dialogue·Score·SFX·Foley·Ambience 다섯 종류로 소개했지만, 현재 API 문서는 Dialogue·Music·Effect 세 종류의 WAV를 돌려준다고 적습니다. 어느 쪽이 최종인지는 공개된 자료만으로 단정할 수 없으므로, 이 글에서는 다섯 종류라고 쓰지 않습니다. 실무적으로는 이렇게 접근하는 편이 안전합니다.

① 로컬 가중치로 생성할 때와 API에서 스템을 분리해 받을 때를 구분해서 시험합니다.

② API 문서의 세 종류(Dialogue·Music·Effect) 기준으로 후반 작업 파이프라인을 설계하되, 응답에 포함된 파일 목록을 직접 확인한 뒤 확정합니다.

③ 대사 파일과 배경음 파일이 분리되어 오는지, 효과음이 어느 쪽에 섞이는지를 짧은 클립으로 먼저 확인합니다.

시간과 관련해서는 앞서 말씀드린 대로 7초는 연산 시간이고 전체 대기 시간이 아닙니다. API를 쓰는 경우 참조 파일 업로드, 서버 큐, 업스케일링, 스템 분리가 더해질 수 있으니, 일정 계획에는 실제로 측정한 시간을 써야 합니다.

API가 어울리는 조건은 다음과 같습니다.

① 1080p 이상 해상도나 분리된 오디오 스템이 최종 산출물에 필요한 경우입니다.

② 서버 환경을 직접 운영하지 않고 요청 단위로 결과를 받는 구조가 맞는 경우입니다.

③ 3~4초짜리 짧은 클립까지 필요한 경우입니다.

비용을 어떻게 계산하나: 초당 요금 구조

비용 구조는 API 사용 시에만 해당됩니다. 아래 요금은 2026년 11월 1일 확인한 Pika API 요금표 기준이며, 요금은 변경될 수 있으므로 실제 사용 직전에 요금 페이지를 다시 확인하셔야 합니다.

텍스트·이미지 생성 요금은 출력 영상 초당 단위입니다.

① 480p는 초당 0.01달러입니다.

② 768p는 초당 0.02달러입니다.

참조 영상 생성은 요금 구조가 다릅니다.

① 480p는 출력 영상 초당 0.03달러입니다.

② 768p는 출력 영상 초당 0.06달러입니다.

③ 여기에 입력 영상의 초당 요금이 별도로 더해집니다.

④ 이미지와 오디오 참조는 무료라고 안내됩니다.

⑤ 오디오 스템 분리는 초당 0.001달러입니다.

발표 자료의 요금 표를 바탕으로 같은 길이의 클립 비용을 비교해 보면 구조가 보입니다. 15초 클립을 768p로 만든다고 가정하면, 텍스트·이미지 기반 생성은 15 × 0.02 = 0.30달러입니다. 같은 길이를 참조 영상 생성으로 만들면 출력 요금만 15 × 0.06 = 0.90달러이고, 여기에 입력 영상 요금이 더해집니다. 입력 영상의 초당 단가는 이번 자료에서 수치가 확인되지 않으므로 합산값은 쓰지 않습니다. 확실한 것은 참조 영상을 쓰면 같은 해상도의 텍스트·이미지 생성보다 출력 단가가 3배라는 점입니다(0.06 ÷ 0.02).

이 구조에서 시험 설계에 도움이 되는 점이 하나 있습니다. 이미지와 오디오 참조는 무료이므로, 참조 영상 없이 이미지와 오디오만 바꿔 가며 시험하는 구간에서는 입력 참조로 인한 추가 비용이 없다고 안내되어 있습니다. 반대로 영상 참조는 입력 요금이 붙으므로, 영상 참조를 쓰는 시험은 횟수를 정해 두고 진행하는 것이 비용 관리에 유리합니다. 다만 이미지·오디오 참조를 쓰는 요청이 어떤 요금 항목으로 분류되는지는 요금 페이지에서 직접 확인하셔야 합니다.

오디오 스템 분리 요금은 초당 0.001달러입니다. 15초 클립이라면 15 × 0.001 = 0.015달러입니다. 단가 자체는 작아 보이지만, 시험 횟수가 쌓이면 합계가 달라지므로 필요한 최종 후보에만 적용하는 방식을 고려할 수 있습니다.

프로모션도 짚어 둡니다. API Club 회원 하루 15회 무료 프로모션은 2026년 11월 5일에 종료된 것으로 보도됐습니다(2차 기사 기준). [작성일] 기준으로 이미 지난 일정이며, 지금은 이 무료 이용에 기대지 않고 위의 정상 요금 기준으로 계획을 세우는 것이 맞습니다.

시험 예산을 잡는 방법은 이렇습니다.

1단계, 시험할 조합의 수를 정합니다(예: 이미지만, 이미지+영상, 이미지+오디오, 세 가지 모두).

2단계, 각 조합의 클립 길이와 해상도를 고정합니다.

3단계, 조합별 요금을 위의 단가로 계산하고, 영상 참조가 들어간 조합은 입력 영상 요금을 요금 페이지에서 확인해 더합니다.

4단계, 시험 반복 횟수를 곱해 총액의 상한을 정합니다.

라이선스와 알려진 한계: 시험 전에 먼저 점검할 두 가지

기능 시험보다 먼저, 공개 가중치의 라이선스 조건과 Pika가 직접 적은 개선 과제를 확인해야 합니다.

첫째, 라이선스입니다. 공개 가중치와 어댑터는 MiniMax H3 Community License 적용 대상입니다. 해당 라이선스 문서를 다룬 2차 자료에 따르면 EU·영국·한국·미국이 허용 지역에서 제외되고, 산출물(생성 결과) 이용까지 제한됩니다. 이 내용은 2차 자료 기준이므로, 해당 지역에서 로컬 실행이나 배포, 결과물 이용을 다룬다면 라이선스 원문을 직접 읽고 별도 허가가 필요한지 확인하셔야 합니다.

여기서 구분해야 할 점이 있습니다. 이 지역 조건은 공개 가중치 라이선스에 대한 내용이고, Pika API의 이용 가능 여부와 같다고 단정할 수 없습니다. API는 별도의 이용 약관에 따르므로, 로컬 실행이 제한되는 지역이라고 해서 API도 자동으로 막힌다고 말할 수 없고, 반대로 API가 된다고 해서 가중치 라이선스가 풀리는 것도 아닙니다. 두 경로를 따로 확인해야 합니다.

점검 순서는 이렇습니다.

① 로컬 실행을 고려한다면 라이선스 문서에서 허용 지역과 산출물 이용 조건을 읽습니다.

② 결과물을 상업적으로 쓸 계획이면 산출물 조항을 별도로 확인합니다.

③ API를 쓸 계획이면 API 이용 약관을 따로 확인합니다.

④ 판단이 어려우면 법무 검토를 거칩니다.

둘째, 알려진 한계입니다. Pika의 기술 문서는 물리 표현, 여러 장면 간 일관성, 복잡한 참조 제어를 개선 과제로 적었습니다. 이 한계는 이 글의 시험 설계와 직접 연결됩니다. 인물이나 제품이 장면마다 고정되는지, 복잡한 동작이 참조대로 재현되는지는 항상 보장된다고 쓸 수 없고, 참조별 역할을 바꿔 가며 직접 비교해야 확인되는 사항입니다.

그래서 시험 항목에 다음을 포함하시길 권합니다.

① 같은 인물 이미지로 장면 구성만 바꿨을 때 얼굴이 유지되는지 봅니다.

② 영상 참조의 동작이 단순할 때와 복잡할 때의 차이를 비교합니다.

③ 물체가 부딪치거나 떨어지는 물리적 장면이 자연스러운지 봅니다.

참조 역할을 바꿔 가며 시험하는 설계

"참조를 많이 넣을수록 좋은가"에 답하려면, 참조 개수가 아니라 역할 배정을 변수로 두는 비교 시험을 해야 합니다. 공개된 자료에는 조합별 품질 수치가 없으므로, 아래 설계는 직접 결과를 모으기 위한 절차입니다.

준비 단계에서 통제할 조건은 다음과 같습니다.

① 출력 길이를 하나로 고정합니다(예: 5초).

② 해상도를 하나로 고정합니다(예: 768p).

③ 장면 설명 문장을 동일하게 유지합니다.

④ 참조 영상·오디오 클립은 2~15초 범위에서 구간을 먼저 잘라 준비합니다.

시험 조합은 네 가지로 나눕니다.

A. 이미지 참조만 넣습니다. 얼굴·외형만 맡기는 가장 단순한 조합입니다.

B. 이미지와 영상 참조를 넣습니다. 외형은 이미지에, 동작은 영상에 맡깁니다.

C. 이미지와 오디오 참조를 넣습니다. 외형은 이미지에, 목소리 분위기는 오디오에 맡깁니다.

D. 이미지·영상·오디오를 모두 넣습니다. 세 역할을 한꺼번에 맡깁니다.

오디오 단독 입력은 지원되지 않으므로 오디오만 있는 조합은 시험 대상이 아닙니다. 이 점을 설계에서 미리 빼 두면 요청 오류로 시간을 쓰는 일을 줄일 수 있습니다.

평가 항목은 조합마다 같은 기준으로 기록합니다.

① 인물이나 제품의 외형이 참조와 얼마나 가까운지(주관 평가, 기록용 간단 척도)

② 동작이 영상 참조를 따르는지

③ 목소리와 음악 분위기가 오디오 참조에 가까운지

④ 대사나 화면 문구가 지정한 언어로 정확히 나오는지

⑤ 물리적으로 어색한 장면이 있는지

⑥ 요청부터 결과 수신까지 걸린 실제 시간

⑦ 조합별 비용

해석 원칙이 중요합니다. A와 B의 차이는 영상 참조 추가의 효과, A와 C의 차이는 오디오 참조 추가의 효과, D와 나머지의 차이는 세 역할이 동시에 걸릴 때의 변화를 보여 줍니다. 다만 한 번의 결과로 결론 내리지 말고, 같은 조합을 여러 번 생성해 편차도 함께 보시길 권합니다. 생성 모델은 같은 입력에서도 결과가 달라질 수 있기 때문입니다. 이 점은 공개된 자료에서 수치로 확인되지 않으므로, 직접 측정하셔야 알 수 있습니다.

참조 역할을 바꾸는 변형 시험도 가능합니다. 같은 이미지를 "얼굴 기준"으로 쓸 때와 "분위기 기준"으로 쓸 때 결과가 달라지는지, 같은 영상을 "카메라 움직임 기준"으로 쓸 때와 "인물 동작 기준"으로 쓸 때 어떻게 달라지는지를 비교하면, 역할 지정 문장의 영향을 분리해서 볼 수 있습니다.

로컬 가중치와 Pika API

로컬 실행과 API를 같은 기준으로 놓으면 다음과 같습니다. 모든 값은 앞에서 확인한 공개 자료 기준이며, 공개 자료에 없는 항목은 "확인되지 않음"으로 적었습니다.

표에서 읽을 점은 두 가지입니다. 첫째, "기본 생성"과 "마무리"가 분리되어 있어서 해상도만 보고 두 방식을 단순 비교할 수 없습니다.
둘째, 스템 분리의 로컬 제공 여부는 이번 자료에서 확인되지 않으므로, 로컬 경로에서 분리된 오디오가 필요하다면 가중치 저장소 안내를 직접 확인해야 합니다.

상황별 선택 기준

어떤 방식이 맞는지는 최종 산출물의 해상도, 오디오 분리 필요 여부, 시험 횟수, 지역 조건의 여섯 가지로 갈립니다.

① 구도·동작·참조 역할을 반복 시험하는 단계라면 로컬 실행이 후보입니다. 480p·768p로 충분하고, 같은 조합을 여러 번 돌려 편차를 보려는 경우에 호출당 요금을 신경 쓰지 않아도 됩니다. 단, 라이선스의 지역 조건에 걸리지 않는지 먼저 확인해야 합니다.

② 1080p 이상 결과물이나 분리된 오디오 파일이 필요하다면 API가 맞습니다. 4K 마무리와 스템 분리가 API 기능으로 안내되어 있기 때문입니다. 후반 작업에서 대사와 배경음을 따로 다뤄야 하는 경우가 여기에 해당합니다.

③ 라이선스 지역 조건에 해당하는 곳에서 작업한다면 로컬 실행은 별도 허가 확인이 끝난 뒤로 미루고, API 이용 약관을 따로 읽어 보는 경로를 먼저 점검하는 것이 순서입니다. 두 경로의 조건이 같다고 가정하지 않는 것이 핵심입니다.

④ 3~4초짜리 짧은 클립이 필요하다면 출력 길이 하한이 3초인 API가 유리합니다. 로컬의 하한은 5초입니다.

⑤ 비용 예측이 중요하다면 API의 초당 요금 구조가 계산하기 쉽습니다. 참조 영상 생성은 출력 단가가 높고 입력 영상 요금이 더해지므로, 영상 참조를 꼭 써야 하는지를 먼저 판단하는 것이 비용 절감의 첫 단계입니다. 이미지·오디오 참조는 무료로 안내되어 있으니, 영상 참조 없이도 목표가 달성되는지 A·C 조합으로 먼저 확인할 가치가 있습니다.

⑥ 두 방식을 섞는 운영도 가능합니다. 로컬에서 참조 조합을 빠르게 시험해 역할 지정 문장을 확정하고, 최종 후보만 API로 올려 마무리하는 방식입니다. 이 경우에도 로컬 라이선스 확인이 선행되어야 하고, 두 환경의 결과가 완전히 같다고 가정하지 말고 API에서 다시 확인해야 합니다.

자주 묻는 질문

오디오 파일만 넣어서 영상을 만들 수 있나요?

지원되지 않습니다. 참조 영상 생성에서 오디오는 다른 참조와 함께 넣을 수 있지만, 이미지나 영상 참조가 적어도 하나는 있어야 합니다. 오디오에 맞춰 영상을 만들고 싶다면 인물이나 장면의 이미지를 함께 준비하셔야 합니다.

한국어 대사도 지원되나요?

공개된 프롬프트 가이드는 대사나 화면 문구를 실제 출력할 언어로 지정하라고 안내하지만, 같은 문서가 언어 태그가 검증된 지원 언어 목록은 아니라고 밝힙니다. 한국어 대사의 품질은 공개된 자료에서 확인되지 않으므로, 짧은 문장으로 발음·길이·자막 표기를 먼저 시험해 보시길 권합니다.

참조 영상을 길게 넣을수록 좋은가요?

그렇게 볼 근거는 없습니다. 참조 영상과 오디오는 각각 2~15초이고, 같은 유형 참조의 합계가 최대 15초로 제한됩니다. 길이가 긴 원본을 쓰려면 어느 구간이 필요한지 먼저 골라 자르는 편집이 선행되어야 합니다.

참조 개수보다 역할 설계를 먼저 시험하세요

Pika H3 Flex의 참조 입력은 이미지 최대 9개, 영상 최대 3개, 오디오 최대 3개, 전체 12개라는 한도와 2~15초 길이 조건 안에서 움직입니다. 이 조건 안에서 결과를 좌우하는 것은 참조의 개수보다 각 참조에 어떤 역할을 맡기느냐일 가능성이 높습니다. 다만 이는 조합별 품질 수치가 공개되지 않은 상태에서의 시험 가설이며, 확정된 사실이 아닙니다.

정리하면 세 가지를 기억하시면 됩니다.

① 기본 생성은 480p·768p이고, 4K 마무리와 오디오 스템 분리는 API 기능으로 안내됩니다. 해상도 요구와 오디오 분리 필요 여부가 실행 환경을 가르는 첫 기준입니다.

② 7초라는 속도 수치는 연산 시간이고 전체 대기 시간이 아닙니다. 일정은 직접 측정한 시간으로 잡으셔야 합니다.

③ 라이선스의 지역 조건과 발표된 품질 한계를 시험 전 점검 항목으로 두십시오. 가중치 라이선스와 API 약관은 따로 확인해야 하고, 인물·제품 고정이나 복잡한 동작은 참조 역할을 바꿔 가며 직접 비교해야 확인됩니다.

요금과 한도는 2026년 11월 1일 확인한 값이므로, 시험을 시작하기 직전에 공식 요금 페이지와 API 문서를 다시 열어 현재 값과 맞는지 대조하시길 권합니다. 공식 자료는 아래 세 곳입니다.

- https://pika.art/blog/pika-h3-flex

- https://pika.art/blog/pika-h3-flex-research

- https://huggingface.co/Pika-Labs/Pika-H3-Flex