API FLUX 3 Max - geração de vídeo com áudio nativo

O FLUX 3 Max é um modelo de geração de vídeo otimizado, construído sobre a base de vídeo FLUX 3. Cria vídeo a partir de texto, imagens fixas ou keyframes posicionados, com áudio nativo gerado em conjunto com a imagem. Entre os seus pontos fortes contam-se a geração combinada de imagem e áudio, a orientação por primeiro e último frame e os vários keyframes posicionados. Através da API da PoYo, suporta clipes de 5 a 20 segundos em 720p ou 1080p, com áudio opcional, para animação de imagens, apresentações de produtos e storyboards.

Obtém uma chave de API no teu dashboard da PoYo, adiciona créditos e escolhe um modo de geração consoante o teu material de origem. Usa flux-3-max/text-to-video para uma cena escrita, flux-3-max/image-to-video para uma imagem inicial e uma imagem final opcional, ou flux-3-max/keyframes-to-video para imagens posicionadas. Testa o teu prompt, a duração, a resolução e a definição de som no Playground antes de usares as mesmas entradas num pedido à API. Guarda o ID da tarefa devolvido e consulta o respetivo estado para obteres o vídeo concluído, usando apenas os campos de média do modo selecionado.

A geração de texto para vídeo, de imagem para vídeo e de keyframes partilha os mesmos preços: $0.17 por segundo em 720p e $0.29 por segundo em 1080p. Assim, um clipe de 5 segundos custa $0.85 ou $1.45 e um clipe de 10 segundos custa $1.70 ou $2.90, respetivamente. Escolhe uma duração que dê tempo suficiente à tua ação, seleciona uma resolução adequada às tuas necessidades de entrega e consulta a estimativa para a tua configuração atual no Playground antes de submeteres.

Escolhe uma duração em números inteiros de 5 a 20 segundos, sendo 5 segundos a predefinição, e uma saída em 720p ou 1080p, com 720p por predefinição. As opções de aspect_ratio são auto, 21:9, 2:1, 16:9, 4:3, 1:1, 3:4 e 9:16, para composições panorâmicas, horizontais, quadradas e verticais. Com a definição auto predefinida, o texto para vídeo usa 16:9, enquanto os modos de imagem e de keyframes seguem a primeira imagem. Adequa o formato ao local de publicação previsto e deixa tempo suficiente para a ação do motivo e o movimento da câmara.

No modo imagem para vídeo, fornece 1 a 2 imagens através de image_urls: a primeira define o frame inicial e uma segunda imagem opcional orienta o frame final. Usa o prompt para descrever a ação e o movimento de câmara entre elas. Por exemplo, começa com uma caixa de oferta fechada, termina com a caixa aberta e descreve a tampa a abrir-se devagar. Esta orientação é útil para revelações de produtos, mudanças de cena e transições de ação; prepara motivos e cenários visualmente coerentes para tornar clara a mudança pretendida.

O modo keyframes aceita 1 a 10 entradas em keyframes, cada uma com image_url e um frame_index inteiro. Os índices têm de ser únicos e ficar entre 0 e duration × 24, inclusive. Num clipe de 5 segundos, as posições 0, 60 e 120 podem orientar o início, o meio e o fim. Usa o prompt para descrever as ações, o movimento de câmara e as mudanças de ambiente entre estas âncoras visuais. Antes de submeteres, verifica se todas as posições cabem na duração selecionada e se as imagens de referência apresentam motivos e cenários coerentes.

Sim. O FLUX 3 Max consegue gerar áudio nativo juntamente com o vídeo, com sound definido como true por predefinição. Define-o como false quando precisares de imagens sem som para uma locução ou edição em separado. O teu prompt pode descrever diálogos, a forma de dizer, ambiente sonoro e sons de ação, como uma personagem a falar enquanto se ouvem chuva e passos. Descreve os sons pretendidos juntamente com as ações da cena correspondentes para comunicares a tua direção criativa e depois revê o clipe completo quanto ao conteúdo da fala, à sincronização do som e à interpretação visual antes de o escolheres.

Na PoYo, o FLUX 3 Max oferece geração de texto para vídeo, de imagem para vídeo e de keyframes, com orientação por primeiro frame e último frame opcional incluída em imagem para vídeo. Adequa-se a workflows que criam clipes novos a partir de cenas escritas, imagens fixas ou planos de storyboard. A família FLUX 3 também oferece um endpoint separado de primeiro/último frame e um endpoint de extensão de vídeo para continuar imagens existentes. Ambos suportam áudio nativo e saída em 720p ou 1080p. Escolhe a interface de extensão do FLUX 3 quando o teu workflow precisar de continuação de vídeo; os endpoints Max atuais não aceitam um vídeo existente para extensão.