FLUX 3 Max API：ネイティブ音声付き動画生成

FLUX 3 Maxは、FLUX 3の動画基盤モデルをもとに最適化された動画生成モデルです。テキスト、静止画、時間位置を指定したキーフレームから動画を作成し、映像とともにネイティブ音声を生成します。映像と音声の同時生成に加え、開始・終了フレームや複数のキーフレームによるガイドが特長です。PoYo APIでは、画像のアニメーション化、商品紹介、絵コンテ制作向けに、5–20秒の動画を720pまたは1080pで生成でき、音声の有無も選べます。

PoYo ダッシュボードから API キーを取得し、クレジットを追加し、ソース素材に基づいて生成モードを選択します。書かれたシーンには flux-3-max/text-to-video を、開始画像とオプションの終了画像には flux-3-max/image-to-video を、位置決めされた画像には flux-3-max/keyframes-to-video を使用します。 API リクエストで同じ入力を使用する前に、Playground でプロンプト、長さ、解像度、サウンド設定をテストしてください。返されたタスク ID を保存し、そのステータスをクエリして、選択したモードのメディア フィールドのみを使用して完成したビデオを取得します。

3つの生成モードはいずれも同じ料金で、720pは1秒あたり$0.17、1080pは1秒あたり$0.29です。5秒の動画はそれぞれ$0.85と$1.45、10秒の動画は$1.70と$2.90になります。動作を表現するのに必要な長さと、用途に合った解像度を選び、送信前にPlaygroundで見積もりを確認してください。料金はすべて米ドルです。

5 ～ 20 秒の整数の継続時間を選択します (デフォルトは 5 秒)。出力は 720p または 1080p (デフォルトは 720p) です。 aspect_ratio オプションは、ワイドスクリーン、ランドスケープ、スクエア、ポートレートの構成の場合、 auto、21:9、2:1、16:9、4:3、1:1、3:4、および 9:16 です。デフォルトの auto 設定では、テキストからビデオへの変換は 16:9 を使用し、画像モードとキーフレーム モードは最初の画像に従います。フォーマットを意図した配置に合わせて、被写体のアクションとカメラの動きに十分な時間を確保してください。

画像からビデオへのモードでは、 image_urls を通じて 1 ～ 2 つの画像を提供します。最初の画像は開始フレームを設定し、オプションの 2 番目の画像は終了フレームをガイドします。プロンプトを使用して、アクションとそれらの間のカメラの動きを説明します。たとえば、閉じたギフトボックスで始まり、開いた箱で終わり、蓋がゆっくりと開く様子を説明します。このガイダンスは、製品の発表、シーンの変更、アクションの移行に役立ちます。意図した変更を明確にするために、視覚的に一貫した主題と設定を準備します。

キーフレームモードでは、keyframesに1–10件を指定します。各項目にはimage_urlと整数のframe_indexが必要です。インデックスは重複できず、0からduration × 24までの両端を含む範囲で指定します。5秒の動画なら、0、60、120の位置で開始・中間・終了の画面をガイドできます。各位置の間で起こる動作、カメラの動き、環境の変化をプロンプトで説明してください。送信前に、位置が動画の長さに収まっていることと、参照画像の被写体や場面に一貫性があることを確認します。

はい。 FLUX 3 Max はビデオと一緒にネイティブ オーディオを生成でき、デフォルトでは sound が true に設定されます。個別のナレーションや編集のためにサイレント映像が必要な場合は、false に設定します。プロンプトでは、ダイアログ、配信、雰囲気、雨や足音が聞こえる中でキャラクターが話すなどのアクション サウンドを記述することができます。クリエイティブな方向性を伝えるために、意図したサウンドを対応するシーンのアクションとともに説明し、選択する前にスピーチの内容、サウンドのタイミング、視覚的なパフォーマンスについてクリップ全体を確認します。

PoYo では、 FLUX 3 Max は、テキストからビデオへ、画像からビデオへ、およびキーフレームの生成を提供します。最初のフレームとオプションの最後のフレームのガイダンスが画像からビデオに含まれます。書かれたシーン、静止画、またはストーリーボードの計画から新しいクリップを作成するワークフローに適しています。 FLUX 3 ファミリは、独立した最初/最後のフレーム エンドポイントと、既存のフッテージを継続するための拡張ビデオ エンドポイントも提供します。どちらもネイティブ オーディオと 720p または 1080p 出力をサポートしています。ワークフローでビデオの継続が必要な場合は、FLUX 3 拡張インターフェイスを選択してください。現在の Max エンドポイントは、既存のビデオの拡張を受け入れません。