API FLUX 3 Max: geração de vídeos com áudio nativo

FLUX 3 Max é um modelo de geração de vídeos otimizado a partir do modelo-base de vídeo FLUX 3. Ele cria vídeos com base em texto, imagens estáticas ou quadros-chave posicionados no tempo, gerando áudio junto com as imagens. Seus destaques são a geração audiovisual conjunta e a orientação por primeiro e último quadro ou por vários quadros-chave. Pela API da PoYo, é possível criar clipes de 5–20 segundos em 720p ou 1080p, com áudio opcional, para animar imagens, apresentar produtos e desenvolver storyboards.

Obtenha uma chave de API em seu painel PoYo, adicione créditos e escolha um modo de geração com base em seu material de origem. Use flux-3-max/text-to-video para uma cena escrita, flux-3-max/image-to-video para uma imagem de abertura e imagem final opcional ou flux-3-max/keyframes-to-video para imagens posicionadas. Teste sua configuração de prompt, duração, resolução e som no Playground antes de usar as mesmas entradas em uma solicitação de API. Salve o ID da tarefa retornado e consulte seu status para recuperar o vídeo concluído, usando apenas os campos de mídia do modo selecionado.

Os três modos de geração usam as mesmas tarifas: $0.17 por segundo em 720p e $0.29 por segundo em 1080p. Um clipe de 5 segundos custa $0.85 ou $1.45, e um de 10 segundos custa $1.70 ou $2.90, respectivamente. Escolha uma duração que comporte a ação e uma resolução adequada ao material final. Antes de enviar, confira a estimativa da configuração no Playground. Todos os valores são em dólares americanos.

Escolha uma duração inteira de 5 a 20 segundos, com 5 segundos como padrão, e saída de 720p ou 1080p, com padrão de 720p. As opções aspect_ratio são auto, 21:9, 2:1, 16:9, 4:3, 1:1, 3:4 e 9:16 para composições widescreen, paisagem, quadrado e retrato. Com a configuração padrão auto, a conversão de texto em vídeo usa 16:9, enquanto os modos de imagem e quadro-chave seguem a primeira imagem. Combine o formato com o posicionamento pretendido e reserve tempo suficiente para a ação do assunto e o movimento da câmera.

No modo imagem para vídeo, forneça 1–2 imagens por meio de image_urls: a primeira define o quadro de abertura e uma segunda imagem opcional orienta o quadro final. Use o prompt para descrever a ação e o movimento da câmera entre eles. Por exemplo, comece com uma caixa de presente fechada, termine com uma caixa aberta e descreva a tampa abrindo lentamente. Esta orientação é útil para revelações de produtos, mudanças de cena e transições de ação; prepare assuntos e configurações visualmente coerentes para deixar clara a mudança pretendida.

O modo de quadros-chave aceita 1–10 itens em keyframes, cada um com image_url e um frame_index inteiro. Os índices devem ser únicos e estar entre 0 e duration × 24, incluindo os dois limites. Em um clipe de 5 segundos, as posições 0, 60 e 120 podem orientar o início, o meio e o fim. Descreva no prompt as ações, os movimentos de câmera e as mudanças de cenário entre esses pontos. Antes de enviar, confira se todas as posições cabem na duração escolhida e se as imagens apresentam personagens e cenários coerentes.

Sim. FLUX 3 Max pode gerar áudio nativo junto com o vídeo, com sound definido como true por padrão. Defina-o como false quando precisar de imagens silenciosas para narração ou edição separada. Seu prompt pode descrever sons de diálogo, entrega, ambiente e ação, como um personagem falando enquanto chuva e passos são ouvidos. Descreva os sons pretendidos juntamente com as ações de cena correspondentes para comunicar sua direção criativa e, em seguida, revise o clipe completo para conteúdo de fala, tempo de som e desempenho visual antes de selecioná-lo.

No PoYo, o FLUX 3 Max fornece geração de texto para vídeo, imagem para vídeo e quadro-chave, com orientação opcional do primeiro quadro e do último quadro incluída na imagem para vídeo. É adequado para fluxos de trabalho que criam novos clipes a partir de cenas escritas, imagens estáticas ou planos de storyboard. A família FLUX 3 também oferece um endpoint de primeiro/último quadro separado e um endpoint de vídeo estendido para continuar a filmagem existente. Ambos suportam áudio nativo e saída 720p ou 1080p. Escolha a interface de extensão FLUX 3 quando seu fluxo de trabalho precisar de continuação de vídeo; os endpoints Max atuais não aceitam um vídeo existente para extensão.