FLUX 3 Max API: Tạo video với âm thanh tích hợp

FLUX 3 Max là mô hình tạo video được tối ưu từ mô hình nền tảng video FLUX 3. Mô hình tạo video từ văn bản, ảnh tĩnh hoặc khung hình chính có vị trí thời gian xác định, đồng thời tạo âm thanh cùng hình ảnh. Điểm mạnh gồm tạo hình ảnh và âm thanh trong cùng một lần, hướng dẫn bằng khung hình đầu và cuối, cùng nhiều khung hình chính được định vị. Qua API PoYo, bạn có thể tạo video dài 5–20 giây ở 720p hoặc 1080p, có tùy chọn âm thanh, để làm ảnh động, giới thiệu sản phẩm và dựng phân cảnh.

Nhận khóa API từ bảng điều khiển PoYo của bạn, thêm tín dụng và chọn chế độ tạo dựa trên tài liệu nguồn của bạn. Sử dụng flux-3-max/text-to-video cho cảnh văn bản, flux-3-max/image-to-video cho hình ảnh mở đầu và hình ảnh kết thúc tùy chọn hoặc flux-3-max/keyframes-to-video cho hình ảnh được định vị. Kiểm tra cài đặt lời nhắc, thời lượng, độ phân giải và âm thanh của bạn trong Playground trước khi sử dụng cùng thông tin đầu vào trong yêu cầu API. Lưu ID tác vụ được trả về và truy vấn trạng thái của nó để truy xuất video đã hoàn thành, chỉ sử dụng các trường phương tiện cho chế độ đã chọn.

Ba chế độ tạo video có cùng đơn giá: $0.17 mỗi giây ở 720p và $0.29 mỗi giây ở 1080p. Video 5 giây có giá lần lượt là $0.85 hoặc $1.45; video 10 giây có giá $1.70 hoặc $2.90. Chọn thời lượng đủ để thể hiện hành động và độ phân giải phù hợp với mục đích sử dụng. Kiểm tra chi phí ước tính trong Playground trước khi gửi. Tất cả số tiền đều tính bằng đô la Mỹ.

Chọn thời lượng số nguyên từ 5 đến 20 giây, với 5 giây làm mặc định và xuất ra 720p hoặc 1080p, mặc định là 720p. Các tùy chọn aspect_ratio là auto, 21:9, 2:1, 16:9, 4:3, 1:1, 3:4 và 9:16 cho bố cục màn hình rộng, ngang, vuông và dọc. Với cài đặt auto mặc định, chuyển văn bản thành video sử dụng 16:9, trong khi chế độ hình ảnh và khung hình chính tuân theo hình ảnh đầu tiên. Hãy điều chỉnh định dạng phù hợp với vị trí dự định của bạn và dành đủ thời gian cho hành động của chủ thể và chuyển động của camera.

Ở chế độ chuyển hình ảnh thành video, cung cấp 1–2 hình ảnh thông qua image_urls : hình ảnh đầu tiên đặt khung mở và hình ảnh thứ hai tùy chọn hướng dẫn khung hình kết thúc. Sử dụng lời nhắc để mô tả hành động và chuyển động của camera giữa chúng. Ví dụ: bắt đầu bằng một hộp quà đóng kín, kết thúc bằng một hộp mở và mô tả cái nắp từ từ mở ra. Hướng dẫn này hữu ích cho việc giới thiệu sản phẩm, thay đổi cảnh và chuyển tiếp hành động; chuẩn bị các chủ đề và bối cảnh mạch lạc về mặt trực quan để làm rõ sự thay đổi dự kiến.

Chế độ khung hình chính nhận 1–10 mục trong keyframes; mỗi mục gồm image_url và frame_index là số nguyên. Các chỉ số phải khác nhau và nằm trong khoảng từ 0 đến duration × 24, bao gồm cả hai đầu mút. Với video 5 giây, các vị trí 0, 60 và 120 có thể hướng dẫn phần đầu, giữa và cuối. Dùng lời nhắc để mô tả hành động, chuyển động máy quay và thay đổi bối cảnh giữa các mốc. Trước khi gửi, hãy kiểm tra mọi vị trí có nằm trong thời lượng đã chọn và các ảnh tham chiếu có chủ thể, bối cảnh nhất quán hay không.

Vâng. FLUX 3 Max có thể tạo âm thanh tích hợp cùng với video, với sound được đặt thành true theo mặc định. Đặt thành false khi bạn cần cảnh quay im lặng để lồng tiếng hoặc chỉnh sửa riêng biệt. Lời nhắc của bạn có thể mô tả âm thanh hội thoại, cách truyền tải, không khí và hành động, chẳng hạn như nhân vật đang nói khi nghe thấy tiếng mưa và tiếng bước chân. Mô tả âm thanh dự định cùng với các hành động trong cảnh tương ứng để truyền đạt hướng sáng tạo của bạn, sau đó xem lại toàn bộ clip để biết nội dung giọng nói, thời gian âm thanh và hiệu suất hình ảnh trước khi chọn.

Trên PoYo, FLUX 3 Max cung cấp khả năng tạo văn bản thành video, hình ảnh thành video và khung hình chính, với hướng dẫn khung hình đầu tiên và khung hình cuối tùy chọn có trong tính năng chuyển hình ảnh sang video. Nó phù hợp với quy trình làm việc tạo clip mới từ các cảnh viết, hình ảnh tĩnh hoặc kế hoạch bảng phân cảnh. Dòng FLUX 3 cũng cung cấp điểm cuối khung hình đầu tiên/cuối cùng riêng biệt và điểm cuối video mở rộng để tiếp tục cảnh quay hiện có. Cả hai đều hỗ trợ âm thanh tích hợp và đầu ra 720p hoặc 1080p. Chọn giao diện mở rộng FLUX 3 khi quy trình làm việc của bạn cần tiếp tục video; điểm cuối Max hiện tại không chấp nhận tiện ích mở rộng video hiện có.