API FLUX 3 Max: generación de vídeo con audio nativo

FLUX 3 Max es un modelo de generación de vídeo optimizado a partir del modelo base de vídeo FLUX 3. Crea vídeos desde texto, imágenes fijas o fotogramas clave con posiciones definidas y genera el audio junto con las imágenes. Sus ventajas incluyen la generación audiovisual conjunta y la guía mediante el primer y último fotograma o varios fotogramas clave. Con la API de PoYo, puedes crear clips de 5–20 segundos en 720p o 1080p, con audio opcional, para animar imágenes, presentar productos y preparar guiones gráficos.

Obtenga una clave API desde su panel PoYo, agregue créditos y elija un modo de generación según su material fuente. Utilice flux-3-max/text-to-video para una escena escrita, flux-3-max/image-to-video para una imagen inicial y una imagen final opcional, o flux-3-max/keyframes-to-video para imágenes posicionadas. Pruebe su configuración de aviso, duración, resolución y sonido en Playground antes de usar las mismas entradas en una solicitud API. Guarde el ID de la tarea devuelta y consulte su estado para recuperar el video completado, utilizando solo los campos multimedia para el modo seleccionado.

Los tres modos de generación tienen las mismas tarifas: $0.17 por segundo en 720p y $0.29 por segundo en 1080p. Un clip de 5 segundos cuesta $0.85 o $1.45, y uno de 10 segundos cuesta $1.70 o $2.90, respectivamente. Elige una duración que permita desarrollar la acción y una resolución adecuada para el resultado final. Revisa la estimación en el Playground antes de enviar la solicitud. Todos los importes están en dólares estadounidenses.

Elija una duración entera de 5 a 20 segundos, con 5 segundos como valor predeterminado y salida de 720p o 1080p, de forma predeterminada 720p. Las opciones de aspect_ratio son auto, 21:9, 2:1, 16:9, 4:3, 1:1, 3:4 y 9:16 para composiciones de pantalla panorámica, horizontal, cuadrada y vertical. Con la configuración predeterminada auto, la conversión de texto a vídeo utiliza 16:9, mientras que los modos de imagen y fotograma clave siguen a la primera imagen. Haga coincidir el formato con la ubicación prevista y deje suficiente tiempo para la acción del sujeto y el movimiento de la cámara.

En el modo de imagen a vídeo, proporcione 1 o 2 imágenes a través de image_urls: la primera establece el fotograma inicial y una segunda imagen opcional guía el fotograma final. Utilice el mensaje para describir la acción y el movimiento de la cámara entre ellos. Por ejemplo, comience con una caja de regalo cerrada, termine con una caja abierta y describa la tapa abriéndose lentamente. Esta guía es útil para presentaciones de productos, cambios de escena y transiciones de acciones; preparar temas y entornos visualmente coherentes para dejar claro el cambio previsto.

El modo de fotogramas clave admite 1–10 elementos en keyframes, cada uno con image_url y un frame_index entero. Los índices deben ser únicos y estar entre 0 y duration × 24, incluidos ambos extremos. En un clip de 5 segundos, las posiciones 0, 60 y 120 pueden guiar el inicio, el punto medio y el final. Describe en el prompt las acciones, el movimiento de cámara y los cambios de entorno entre esos puntos. Antes de enviar, comprueba que todas las posiciones encajen en la duración elegida y que los sujetos y escenarios de las referencias sean coherentes.

Sí. FLUX 3 Max puede generar audio nativo junto con el vídeo, con sound configurado en true de forma predeterminada. Configúrelo en false cuando necesite imágenes silenciosas para voz en off o edición por separado. Su mensaje puede describir el diálogo, la entrega, el ambiente y los sonidos de acción, como un personaje que habla mientras se escucha la lluvia y pasos. Describe los sonidos deseados junto con las acciones de escena correspondientes para comunicar tu dirección creativa, luego revisa el clip completo para ver el contenido del habla, la sincronización del sonido y el rendimiento visual antes de seleccionarlo.

En PoYo, FLUX 3 Max proporciona generación de texto a video, imagen a video y fotogramas clave, con guía opcional para el primer fotograma y el último fotograma incluida en la conversión de imagen a video. Se adapta a flujos de trabajo que crean nuevos clips a partir de escenas escritas, imágenes fijas o planos de guiones gráficos. La familia FLUX 3 también ofrece un punto final independiente para el primer/último fotograma y un punto final de extensión de vídeo para continuar el metraje existente. Ambos admiten audio nativo y salida de 720p o 1080p. Elija la interfaz de extensión FLUX 3 cuando su flujo de trabajo necesite continuación de video; Los terminales Max actuales no aceptan un video existente para su extensión.