FLUX 3 Max API - generowanie wideo z natywnym dźwiękiem

FLUX 3 Max to zoptymalizowany model generowania wideo zbudowany na bazie wideo FLUX 3. Tworzy wideo z tekstu, nieruchomych obrazów lub rozmieszczonych klatek kluczowych, a natywny dźwięk powstaje razem z obrazem. Jego atuty to jednoczesne generowanie obrazu i dźwięku, sterowanie pierwszą i ostatnią klatką oraz wiele rozmieszczonych klatek kluczowych. W API PoYo obsługuje klipy o długości 5–20 sekund w 720p lub 1080p z opcjonalnym dźwiękiem do animowania obrazów, prezentacji produktów i storyboardów.

Pobierz klucz API z dashboardu PoYo, doładuj kredyty i wybierz tryb generowania zależnie od materiału źródłowego. Użyj flux-3-max/text-to-video dla napisanej sceny, flux-3-max/image-to-video dla obrazu otwierającego i opcjonalnego obrazu końcowego albo flux-3-max/keyframes-to-video dla rozmieszczonych obrazów. Przetestuj prompt, czas trwania, rozdzielczość i ustawienie dźwięku w Playground, a potem użyj tych samych danych w żądaniu API. Zapisz zwrócony identyfikator zadania i sprawdzaj jego status, aby pobrać gotowe wideo, używając tylko pól multimedialnych wybranego trybu.

Generowanie z tekstu, z obrazu i z klatek kluczowych ma te same stawki: $0.17 za sekundę w 720p i $0.29 za sekundę w 1080p. Pięciosekundowy klip kosztuje więc odpowiednio $0.85 lub $1.45, a dziesięciosekundowy $1.70 lub $2.90. Wybierz czas trwania, który da twojej akcji dość miejsca, dobierz rozdzielczość do potrzeb dostawy i przed wysłaniem sprawdź w Playground szacunek dla bieżącej konfiguracji.

Wybierz czas trwania jako liczbę całkowitą od 5 do 20 sekund, domyślnie 5 sekund, oraz wynik w 720p lub 1080p, domyślnie 720p. Opcje aspect_ratio to auto, 21:9, 2:1, 16:9, 4:3, 1:1, 3:4 i 9:16 dla kompozycji panoramicznych, poziomych, kwadratowych i pionowych. Przy domyślnym ustawieniu auto tryb tekst na wideo używa 16:9, a tryby z obrazem i klatkami kluczowymi opierają się na pierwszym obrazie. Dopasuj format do planowanego miejsca publikacji i zostaw dość czasu na akcję postaci i ruch kamery.

W trybie obraz na wideo przekaż 1–2 obrazy przez image_urls: pierwszy wyznacza klatkę otwierającą, a opcjonalny drugi wskazuje klatkę końcową. W prompcie opisz akcję i ruch kamery między nimi. Na przykład zacznij od zamkniętego pudełka z prezentem, zakończ otwartym pudełkiem i opisz powoli unoszącą się pokrywkę. Takie sterowanie sprawdza się w odsłonięciach produktów, zmianach scen i przejściach akcji; przygotuj spójne wizualnie postacie i otoczenie, aby zamierzona zmiana była czytelna.

Tryb klatek kluczowych przyjmuje 1–10 wpisów w keyframes, z których każdy zawiera image_url i całkowity frame_index. Indeksy muszą być unikalne i mieścić się w przedziale od 0 do duration × 24 włącznie. W klipie pięciosekundowym pozycje 0, 60 i 120 mogą wyznaczać początek, środek i koniec. W prompcie opisz akcje, ruch kamery i zmiany otoczenia między tymi punktami odniesienia. Przed wysłaniem sprawdź, czy każda pozycja mieści się w wybranym czasie trwania i czy obrazy referencyjne przedstawiają spójne postacie i otoczenie.

Tak. FLUX 3 Max może generować natywny dźwięk razem z wideo, a parametr sound ma domyślnie wartość true. Ustaw false, gdy potrzebujesz niemego materiału do osobnego lektora lub montażu. W prompcie możesz opisać dialogi, sposób wypowiedzi, tło dźwiękowe i dźwięki akcji, na przykład postać, która mówi, podczas gdy słychać deszcz i kroki. Opisz zamierzone dźwięki razem z odpowiadającymi im akcjami w scenie, aby przekazać swoją wizję, a przed wyborem klipu sprawdź całość pod kątem treści mowy, czasu dźwięku i gry wizualnej.

W PoYo FLUX 3 Max oferuje generowanie z tekstu, z obrazu i z klatek kluczowych, a sterowanie pierwszą klatką i opcjonalną ostatnią klatką jest częścią trybu obraz na wideo. Sprawdza się w workflow, które tworzą nowe klipy z napisanych scen, nieruchomych obrazów lub planów storyboardu. Rodzina FLUX 3 ma też osobny endpoint pierwszej i ostatniej klatki oraz endpoint przedłużania wideo do kontynuowania istniejącego materiału. Oba obsługują natywny dźwięk i wyniki w 720p lub 1080p. Wybierz interfejs przedłużania z FLUX 3, gdy twój workflow wymaga kontynuacji wideo; obecne endpointy Max nie przyjmują istniejącego wideo do przedłużenia.