FLUX 3 Max API: генерация видео с нативным звуком

FLUX 3 Max — оптимизированная модель генерации видео на основе базовой видеомодели FLUX 3. Она создаёт видео по тексту, статичным изображениям или ключевым кадрам с заданными позициями и генерирует звук вместе с изображением. Её преимущества — совместная генерация видео и аудио, управление начальным и конечным кадрами и несколькими ключевыми кадрами. Через API PoYo доступны ролики длительностью 5–20 секунд в 720p или 1080p с необязательным звуком для анимации изображений, презентации товаров и раскадровки.

Получите ключ API на панели управления PoYo, добавьте кредиты и выберите режим генерации на основе исходного материала. Используйте flux-3-max/text-to-video для письменной сцены, flux-3-max/image-to-video для начального изображения и необязательного конечного изображения или flux-3-max/keyframes-to-video для позиционированных изображений. Проверьте настройки приглашения, продолжительности, разрешения и звука в Playground, прежде чем использовать те же входные данные в запросе API. Сохраните возвращенный идентификатор задачи и запросите ее статус, чтобы получить готовое видео, используя только поля мультимедиа для выбранного режима.

Для трёх режимов генерации действуют одинаковые тарифы: $0.17 за секунду в 720p и $0.29 за секунду в 1080p. Ролик на 5 секунд стоит соответственно $0.85 или $1.45, а на 10 секунд — $1.70 или $2.90. Выберите длительность, достаточную для действия в кадре, и разрешение под итоговый формат, затем проверьте расчёт в Playground перед отправкой. Все цены указаны в долларах США.

Выберите целочисленную продолжительность от 5 до 20 секунд, при этом 5 секунд по умолчанию и выходное разрешение 720p или 1080p, по умолчанию — 720p. Варианты aspect_ratio: auto, 21:9, 2:1, 16:9, 4:3, 1:1, 3:4 и 9:16 для широкоэкранных, альбомных, квадратных и портретных композиций. При настройке auto по умолчанию для преобразования текста в видео используется соотношение 16:9, а режимы изображения и ключевого кадра следуют за первым изображением. Сопоставьте формат с предполагаемым местом размещения и дайте достаточно времени для движения объекта и камеры.

В режиме преобразования изображения в видео предоставьте 1–2 изображения через image_urls: первое устанавливает начальный кадр, а необязательное второе изображение направляет конечный кадр. Используйте подсказку, чтобы описать действие и движение камеры между ними. Например, начните с закрытой подарочной коробки, закончите открытой коробкой и опишите, как медленно открывается крышка. Это руководство полезно для демонстрации продуктов, смены сцен и переходов между действиями; подготовьте визуально связные предметы и обстановку, чтобы сделать предполагаемое изменение ясным.

Режим ключевых кадров принимает 1–10 элементов в keyframes. Каждый содержит image_url и целочисленный frame_index. Индексы должны быть уникальными и находиться в диапазоне от 0 до duration × 24 включительно. В ролике на 5 секунд позиции 0, 60 и 120 могут задавать начало, середину и конец. Опишите в промпте действия, движение камеры и изменения окружения между этими точками. Перед отправкой проверьте соответствие позиций длительности и согласованность персонажей и окружения на референсах.

Да. FLUX 3 Max может генерировать собственный звук вместе с видео, при этом для sound по умолчанию установлено значение true. Установите значение false, если вам нужны немые кадры для отдельного озвучивания или редактирования. Ваша подсказка может описывать диалог, подачу, атмосферу и звуки действий, например, речь персонажа во время дождя и шаги. Опишите предполагаемые звуки вместе с соответствующими действиями в сцене, чтобы передать свое творческое направление, затем просмотрите полный клип на предмет речевого содержания, синхронизации звука и визуального исполнения, прежде чем выбрать его.

В PoYo FLUX 3 Max обеспечивает преобразование текста в видео, изображение в видео и генерацию ключевых кадров с подсказками для первого кадра и дополнительными инструкциями для последнего кадра, включенными в преобразование изображения в видео. Он подходит для рабочих процессов создания новых клипов на основе записанных сцен, неподвижных изображений или планов раскадровки. Семейство FLUX 3 также предлагает отдельную конечную точку первого/последнего кадра и конечную точку продления видео для продолжения существующего материала. Оба поддерживают собственный звук и вывод 720p или 1080p. Выберите интерфейс расширения FLUX 3, если ваш рабочий процесс требует продолжения видео; текущие конечные точки Max не принимают существующее видео для расширения.