01
一个多模态基础模型
FLUX 3 在同一架构中共同学习图像、视频和音频。它可以混合使用文本与视觉参考，而不是将每种媒介视为独立系统。
- 在统一的共享架构中学习图像、视频和音频
- 将语言与图像和视频参考相结合
- 支持生成、理解和面向行动的变体
flux-3/text-to-video
模型:
通过文本、单张图像、首尾帧、现有视频或最多十个定位关键帧，生成 5–20 秒并带原生音频的视频。
定价详情
透明定价，无隐藏费用。按量付费，用多少付多少。
flux-3Standard workflows · 720p
Text to Video · Image to Video · First & Last Frame · Keyframes to Video
PoYo价格
$0.170/秒
34 积分
官方价格
-
为你节省
-
flux-3Standard workflows · 1080p
Text to Video · Image to Video · First & Last Frame · Keyframes to Video
PoYo价格
$0.290/秒
58 积分
官方价格
-
为你节省
-
flux-3/extend-videoExtend Video · 720p
PoYo价格
$0.410/秒
82 积分
官方价格
-
为你节省
-
flux-3/extend-videoExtend Video · 1080p
PoYo价格
$0.530/秒
106 积分
官方价格
-
为你节省
-
| 型号 | 规格 | PoYo价格 | 官方价格 | 为你节省 |
|---|---|---|---|---|
| flux-3 | Standard workflows · 720p Text to Video · Image to Video · First & Last Frame · Keyframes to Video | $0.170/秒 34 积分 /秒 | - | - |
Standard workflows · 1080p Text to Video · Image to Video · First & Last Frame · Keyframes to Video | $0.290/秒 58 积分 /秒 | - | - | |
| flux-3/extend-video | Extend Video · 720p | $0.410/秒 82 积分 /秒 | - | - |
Extend Video · 1080p | $0.530/秒 106 积分 /秒 | - | - |
* 实际费用以最终输出为准。
推荐模型
现已上线
使用 带原生音频的 FLUX 3 视频 API 的完整指南
带原生音频的 FLUX 3 视频 API
通过 PoYo 上五个可用于生产的端点使用 Black Forest Labs 的 FLUX 3：文生视频、图生视频、首尾帧、视频续接和定位关键帧。
可生成 5–20 秒、720p 或 1080p 的视频，支持八种画幅，并在同一请求中创建同步原生音频。
FLUX 3 API 功能与多模态能力
生成和编辑图像，创建带同步原生音频的视频，并通过文本、图像、视频和关键帧参考引导输出。
02
图像生成与编辑
FLUX 3 Image 专为多样化风格、宽高比、分辨率和复杂提示词而设计，并支持编辑以及更准确的多语言排版。
- 跨多种风格和宽高比生成与编辑
- 遵循复杂提示词和视觉参考
- 呈现更准确的多语言排版
03
带原生音频的视频
FLUX 3 Video 可创建最长 20 秒并带原生音频的视频片段，支持文生视频、图生视频、视频生视频、续接、关键帧和多语言对话。
- 单次生成最长可创建 20 秒的视频片段
- 生成对话、环境音和与事件同步的声音
- 使用文生视频、图生视频和视频生视频
04
参考、关键帧与视频续接
通过起始帧、视觉参考、源片段或定义的关键帧控制镜头。FLUX 3 还支持同步续接视频和音频，并将独立片段串联成更长的多镜头序列。
- 让起始帧动起来，或保留参考主体
- 在定义的关键帧之间创建转场
- 续接视听片段并构建更长的序列
使用 FLUX 3 API 可以构建什么？
01
图像生成与编辑
在一个图像工作流中创建营销视觉、产品概念图、编辑类图像、多语言设计和受参考控制的编辑内容。
02
带原生音频的短视频
生成完整的视听片段，让对话、环境音、音效、镜头运动和视觉动作在同一场景中保持同步。
03
参考驱动的角色场景
使用图像或源视频，将主体、角色、产品或视觉风格带入新场景，同时保留核心参考内容。
04
分镜与预可视化
将文本、关键帧和概念艺术转化为动态预览，用于转场、镜头方向、场景节奏和创意评审。
05
多语言营销内容
为国际营销活动和社交渠道开发本地化图像、动态排版以及以对话为主导的视频概念。
06
多镜头创意流程
续接视听片段并将镜头串联成更长的序列，同时在整个制作流程中使用一致的参考内容。
FLUX 3 API 与 FLUX 2 API 对比
FLUX 2 是当前的生产级图像模型系列。FLUX 3 则将平台扩展为统一的多模态模型，支持图像、视频、原生音频和面向行动的变体。
| 能力 | FLUX 3 视频 API | FLUX 2 API |
|---|---|---|
| 主要方向 | 统一的图像、视频、音频和行动基础模型 | 图像生成与编辑 |
| 图像生成与编辑 | 已宣布 | 可用 |
| 视频生成 | 已宣布支持最长 20 秒 | 不支持 |
| 原生音频 | 对话、环境音和同步声音 | 不支持 |
| 参考输入 | 文本、图像、视频和关键帧 | 文本和图像 |
| 视频续接 | 已宣布支持视频和音频续接 | 不支持 |
| 当前可用性 | PoYo 已开放五种视频工作流 | 可在 PoYo 上使用 |
| 最适用场景 | 全新的多模态和视听工作流 | 当前用于生产级图像生成与编辑 |
PoYo 当前开放五种 FLUX 3 视频工作流；图像生成和 Action 变体仍属于更广泛的 FLUX 3 产品路线。
FLUX 3 API 常见问题
什么是 FLUX 3？
FLUX 3 是 Black Forest Labs 推出的统一多模态模型，支持图像生成与编辑、原生音频视频生成、视觉参考、关键帧控制以及多语言对话。
FLUX 3 已经发布了吗？
Black Forest Labs 于 2026 年 7 月 23 日公布 FLUX 3。PoYo 现已开放文生视频、图生视频、首尾帧、视频续接和关键帧五个生产级端点。
FLUX 3 可以生成什么？
BFL 表示，FLUX 3 支持图像合成与编辑、带原生音频的视频、多模态参考，以及通过专用变体实现的行动预测。
FLUX 3 视频最长可以多长？
PoYo 支持 5–20 秒的整数时长，并可在同一请求中生成同步原生音频。
FLUX 3 API 的价格是多少？
普通工作流 720p 为 34 积分/秒、1080p 为 58 积分/秒；视频续接 720p 为 82 积分/秒、1080p 为 106 积分/秒。
FLUX 3 支持图像和视频参考吗？
支持。图生视频使用一张图，首尾帧使用两张有序图片，关键帧支持最多十个定位帧，视频续接接受一个 MP4 源视频。
FLUX 3 是开源的吗？
BFL 已宣布 FLUX 3 Dev 是一个开放权重的多模态骨干模型，但权重、许可证、硬件要求和发布日期尚未公布。
FLUX 3 与 FLUX 2 有什么不同？
FLUX 2 专注于生产级图像生成与编辑。FLUX 3 在统一的模型系列中增加了视频、原生音频、视频参考、续接、多语言对话和面向行动的变体。
为什么使用 PoYo 的 FLUX 3 视频 API
01
官方折扣
720p 与 1080p 工作流均采用透明的按秒计价，并在生成前显示预估积分。
02
稳定 API
面向生产环境提供稳定的 API 接入、清晰的状态反馈和可靠的任务处理能力。
03
全参数支持
紧跟官方能力开放完整参数，覆盖图像、视频、原生音频、视觉参考与关键帧控制。
04
成熟的团队
由经验成熟的技术团队持续维护，提供从接入文档、问题排查到生产部署的长期支持。