API FLUX 3 Max : génération vidéo avec audio natif

FLUX 3 Max est un modèle de génération vidéo optimisé à partir du modèle de base vidéo FLUX 3. Il crée des vidéos depuis du texte, des images fixes ou des images clés placées dans le temps, tout en générant l’audio avec l’image. Il se distingue par cette création audiovisuelle conjointe et par le guidage avec une première image, une dernière image ou plusieurs images clés. L’API PoYo permet de créer des clips de 5–20 secondes en 720p ou 1080p, avec audio en option, pour animer des images, présenter des produits ou préparer un storyboard.

Obtenez une clé API à partir de votre tableau de bord PoYo, ajoutez des crédits et choisissez un mode de génération en fonction de votre matériel source. Utilisez flux-3-max/text-to-video pour une scène écrite, flux-3-max/image-to-video pour une image d'ouverture et une image de fin facultative, ou flux-3-max/keyframes-to-video pour des images positionnées. Testez votre invite, votre durée, votre résolution et vos paramètres sonores dans le Playground avant d'utiliser les mêmes entrées dans une requête API. Enregistrez l'ID de tâche renvoyé et interrogez son statut pour récupérer la vidéo terminée, en utilisant uniquement les champs multimédias pour le mode sélectionné.

Les trois modes de génération ont le même tarif : $0.17 par seconde en 720p et $0.29 par seconde en 1080p. Un clip de 5 secondes coûte donc $0.85 ou $1.45, et un clip de 10 secondes $1.70 ou $2.90, respectivement. Choisissez une durée adaptée à l’action et une résolution adaptée au rendu final, puis vérifiez l’estimation dans le Playground avant l’envoi. Tous ces montants sont en dollars américains.

Choisissez une durée entière comprise entre 5 et 20 secondes, avec 5 secondes par défaut, et une sortie 720p ou 1080p, par défaut 720p. Les options aspect_ratio sont auto, 21:9, 2:1, 16:9, 4:3, 1:1, 3:4 et 9:16 pour les compositions grand écran, paysage, carré et portrait. Avec le paramètre par défaut auto, la conversion texte-vidéo utilise le format 16:9, tandis que les modes image et image clé suivent la première image. Faites correspondre le format à l'emplacement prévu et prévoyez suffisamment de temps pour l'action du sujet et le mouvement de la caméra.

En mode image vers vidéo, fournissez 1 à 2 images via image_urls : la première définit l'image d'ouverture et une deuxième image facultative guide l'image de fin. Utilisez l'invite pour décrire l'action et le mouvement de la caméra entre eux. Par exemple, commencez par une boîte cadeau fermée, terminez par une boîte ouverte et décrivez le couvercle qui s'ouvre lentement. Ces conseils sont utiles pour les révélations de produits, les changements de scène et les transitions d'action; préparer des sujets et des décors visuellement cohérents pour rendre clair le changement souhaité.

Le mode images clés accepte 1–10 éléments dans keyframes, chacun contenant image_url et un entier frame_index. Chaque indice doit être unique et compris entre 0 et duration × 24, bornes incluses. Pour un clip de 5 secondes, les positions 0, 60 et 120 peuvent guider le début, le milieu et la fin. Décrivez dans le prompt les actions, les mouvements de caméra et les changements de décor entre ces repères. Avant l’envoi, vérifiez que chaque position respecte la durée choisie et que les images présentent des sujets et des décors cohérents.

Oui. FLUX 3 Max peut générer de l'audio natif parallèlement à la vidéo, sound étant défini par défaut sur true. Réglez-le sur false lorsque vous avez besoin de séquences silencieuses pour une voix off ou un montage séparé. Votre invite peut décrire les sons du dialogue, de la prestation, de l'ambiance et de l'action, comme un personnage parlant alors que la pluie et les pas se font entendre. Décrivez les sons souhaités ainsi que les actions de scène correspondantes pour communiquer votre direction créative, puis examinez le clip complet pour connaître le contenu vocal, le timing sonore et les performances visuelles avant de le sélectionner.

Sur PoYo, FLUX 3 Max permet la génération de texte vers vidéo, d'image vers vidéo et d'images clés, avec un guidage de la première image et de la dernière image en option inclus dans l'image vers la vidéo. Il convient aux flux de travail qui créent de nouveaux clips à partir de scènes écrites, d'images fixes ou de plans de storyboard. La famille FLUX 3 offre également un point de terminaison distinct pour la première/dernière image et un point de terminaison pour l'extension de la vidéo pour continuer les séquences existantes. Les deux prennent en charge l’audio natif et la sortie 720p ou 1080p. Choisissez l'interface d'extension FLUX 3 lorsque votre flux de travail nécessite une continuation vidéo; les points de terminaison Max actuels n'acceptent pas une vidéo existante pour l'extension.