FLUX 3 Max Kurzvideos: ein Modus pro Einstellung, Stapelverarbeitung über die API

FLUX 3 Max bietet drei Video-Endpunkte bei hiapi, und für Kurzvideo-Arbeit lautet die nützliche Frage nicht „Welcher ist der beste?“, sondern „Welcher passt zu dieser Einstellung?“. Dieser Leitfaden geht eine kleine vertikale Werbekampagne durch (drei 9:16-Clips für einen Beitrag eines Eismatcha-Cafés), wobei jede Einstellung einen anderen Modus verwendet und alle drei als ein paralleler Stapel eingereicht werden. Jeder unten gezeigte Clip ist eine echte, unbearbeitete Ausgabe.

Wenn Sie die vollständige Parameterreferenz und Erklärungen zu Validierungsfehlern benötigen, lesen Sie zuerst den FLUX 3 Max API-Leitfaden. Dieser Artikel setzt voraus, dass Sie bereits Aufgaben einreichen können, und konzentriert sich auf den Kurzvideo-Workflow.

Modus pro Einstellung wählen, nicht pro Projekt

Ein Kurzvideo-Schnitt besteht normalerweise aus Hook, Produkt-Beat und Abschluss. Diese Beats haben unterschiedliche Eingaben und entsprechen daher unterschiedlichen FLUX 3 Max-IDs:

Einstellung im Schnitt	Was Sie haben	Verwenden	Wichtige Eingabe
Hook / B-Roll	Nur eine Idee	flux-3-max/text-to-video	prompt
Produkt-Beat	Ein freigegebenes Produktfoto, das nicht geändert werden darf	flux-3-max/image-to-video	image_url (ein einzelner String), optional end_image_url
Übergang / Abschluss	Zwei Szenen, die Sie verbinden möchten	flux-3-max/keyframes-to-video	keyframes: [{image_url, frame_index}]

Alle drei teilen duration (5–20 Sekunden), resolution (720p / 1080p), aspect_ratio (für Hochformat auf 9:16 setzen) und generate_audio. Da die Request-Bodies nahezu identisch sind, kann ein einziges Batch-Skript alle drei senden. Modellseiten: Text-zu-Video, Bild-zu-Video, Keyframe-zu-Video.

Einstellung 1: Der Hook, nur mit Text

Der Hook braucht Bewegung in der ersten Sekunde und keine bestimmten Materialanforderungen, daher ist Text-zu-Video die richtige Wahl.

{
  "model": "flux-3-max/text-to-video",
  "input": {
    "prompt": "Vertikale Handheld-Nahaufnahme: Ein Barista gießt kalte Milch in Eismatcha in einem hohen, klaren Glas; Grün und Weiß wirbeln in Zeitlupe ineinander, Morgenlicht fällt durch das Fenster des Cafés, geringe Schärfentiefe, knackiges Klirren von Eiswürfeln, leise Café-Ambiente-Klänge.",
    "duration": 5,
    "resolution": "720p",
    "aspect_ratio": "9:16",
    "generate_audio": true
  }
}

Rückgabeergebnis: Das Eingießen beginnt im ersten Frame, und am Ende füllt der Wirbel das Glas – genau das, was der Hook braucht. Was Text-zu-Video nicht kann, ist, zu Ihrer Szene zu passen: Ich forderte ein Café an, das Modell wählte eine Holztheke, während mein Produktfoto (die nächste Einstellung) Marmor verwendet. Für einen Hook ist das akzeptabel. Für Einstellungen, die zu Markenassets passen müssen, verwenden Sie einen der Bildmodi.

Einstellung 2: Der Produkt-Beat, auf einem Stillbild verankert

Dies ist das freigegebene Produktfoto. Es wurde vorab als 9:16-Stillbild generiert und als erster Frame an das Modell übergeben.

{
  "model": "flux-3-max/image-to-video",
  "input": {
    "prompt": "Langsames Heranfahren an das Glas; der Milchwirbel driftet und setzt sich, Eiswürfel bewegen sich leicht, das Licht flackert sanft auf der Marmortheke, das Minzblatt bleibt unbewegt. Ruhige Café-Ambiente-Klänge.",
    "image_url": "https://static.hiapi.ai/blog/flux-3-max-short-form-video/still-a.jpg",
    "duration": 5,
    "resolution": "720p",
    "aspect_ratio": "9:16",
    "generate_audio": true
  }
}

Die Komposition bleibt fixiert: dasselbe Glas, derselbe Minzzweig, derselbe Marmor und dasselbe Fensterlicht von Anfang bis Ende. Allerdings ist die Bewegung zurückhaltend. Das von mir angeforderte Heranfahren ist in 5 Sekunden kaum sichtbar; die meiste Bewegung liegt in der Flüssigkeit und im Licht. Für einen Produkt-Beat ist das ein gutes Ergebnis, denn Sie möchten, dass Produktaufnahmen echt bleiben. Wenn Sie eine stärkere Kamerabewegung wünschen, geben Sie ihr mehr Sekunden oder betonen Sie sie stärker im Prompt und prüfen Sie das Ergebnis, bevor Sie den Stapel erweitern.

Achten Sie auf den Feldnamen: image-to-video akzeptiert einen einzelnen image_url-String. Das Übergeben eines Arrays image_urls (wie es einige andere hiapi-Videomodelle erwarten) wird beim Einreichen abgelehnt.

Einstellung 3: Der Abschluss, mit zwei Keyframes

Der Abschluss verbindet das Café mit der Straße. Ich habe ein zweites Stillbild desselben Getränks, draußen in die Höhe gehalten, und verwende beide als Keyframes.

{
  "model": "flux-3-max/keyframes-to-video",
  "input": {
    "prompt": "Fortlaufende Aufnahme: Eine Hand nimmt den Eismatcha von der Café-Theke und trägt ihn nach draußen, wobei sie ihn schließlich auf einer sonnigen Straße in den hellen blauen Himmel hält. Sanfte Handheld-Kamera, natürliches Licht mit Übergang von warmem Innenraum zu hellem Tageslicht.",
    "keyframes": [
      {"image_url": "https://static.hiapi.ai/blog/flux-3-max-short-form-video/still-a.jpg", "frame_index": 0},
      {"image_url": "https://static.hiapi.ai/blog/flux-3-max-short-form-video/still-b.jpg", "frame_index": 120}
    ],
    "duration": 5,
    "resolution": "720p",
    "aspect_ratio": "9:16",
    "generate_audio": true
  }
}

frame_index zählt Frames bei 24 fps, also reicht ein 5-Sekunden-Clip von 0 bis 120. Setzen Sie die Anker auf 0 und 120, damit der Clip genau mit der Thekenaufnahme beginnt und genau auf der Straßenaufnahme endet. Dazwischen erfindet das Modell selbst einen Übergang: In der Mitte des Clips hält die Hand das Glas in der Tür, dann erscheint die Straße. Das ist der Kompromiss bei Keyframes. Sie kontrollieren die verankerten Momente, das Modell füllt den Rest. Wenn die Mitte auf eine bestimmte Weise aussehen muss, fügen Sie einen dritten Keyframe hinzu (bis zu 10 sind erlaubt).

Stapelverarbeitung: ein Skript, drei Modi, parallel

Kurzvideo-Arbeit bedeutet viele Varianten, also reichen Sie zuerst alles ein und fragen später ab. Dies ist das Skript, das ich verwendet habe, gekürzt:

import json, os, time, requests
from concurrent.futures import ThreadPoolExecutor

API = "https://api.hiapi.ai/v1/tasks"
HEAD = {"Authorization": f"Bearer {os.environ['HIAPI_KEY']}"}
BASE = {"duration": 5, "resolution": "720p", "aspect_ratio": "9:16", "generate_audio": True}

jobs = {
    "hook":    ("flux-3-max/text-to-video",      {"prompt": HOOK_PROMPT}),
    "product": ("flux-3-max/image-to-video",     {"prompt": PRODUCT_PROMPT, "image_url": STILL_A}),
    "payoff":  ("flux-3-max/keyframes-to-video", {"prompt": PAYOFF_PROMPT, "keyframes": [
                    {"image_url": STILL_A, "frame_index": 0},
                    {"image_url": STILL_B, "frame_index": 120}]}),
}

def run(name):
    model, extra = jobs[name]
    r = requests.post(API, headers=HEAD, json={"model": model, "input": {**BASE, **extra}}).json()
    task_id = r["data"]["taskId"]          # save this before polling
    deadline = time.time() + 900
    while time.time() < deadline:
        time.sleep(10)
        d = requests.get(f"{API}/{task_id}", headers=HEAD).json()["data"]
        if d["status"] == "success":
            url = d["output"][0]["url"]
            open(f"{name}.mp4", "wb").write(requests.get(url).content)  # download now
            return name, "success"
        if d["status"] == "fail":
            return name, d.get("error")
    return name, f"timeout {task_id}"

with ThreadPoolExecutor(len(jobs)) as pool:
    for result in pool.map(run, jobs):
        print(result)

Das habe ich am 3. November 2026 gesehen, als ich alle drei auf einmal gesendet habe:

• Jedes POST /v1/tasks gab innerhalb von 2 Sekunden eine taskId zurück.
• Die Abfrage zeigte, dass jede Aufgabe dieselbe Sequenz durchlief: handling, dann archiving, dann success.
• Die Aufgabenaufzeichnungen zeigten für alle drei Clips 20 Sekunden von created bis completed. Sie parallel auszuführen dauerte nicht länger als einer.
• Jede Ausgabe war eine 5,04-Sekunden-H.264-Datei, 704 × 1280, 24 fps, mit AAC-Audiospur. Beachten Sie die Breite: 9:16 bei 720p ergibt 704 px, nicht 720. Wenn Ihre Editor-Vorlage exakt 720 × 1280 verlangt, skalieren oder füllen Sie beim Import.
• Die Ausgabe-URLs liegen auf einer temporären Domain mit expireAt 7 Tage nach Abschluss. Laden Sie sofort herunter und speichern Sie die Dateien selbst.

Für größere Stapel (Dutzende von Hook-Varianten) verwenden Sie den callback der Aufgaben-API mit when: "final", damit kein Polling nötig ist, und protokollieren Sie jede taskId, damit ein Absturz nicht bezahlte Arbeit verliert.

Stapelkosten

FLUX 3 Max wird nach Ausgabesekunden und Auflösung abgerechnet, mit demselben Tarif für alle drei Modi. Stand November 2026 listet die Preisseite 720p mit $0.0608/Sekunde und 1080p mit $0.1036/Sekunde. Die Modellseiten geben an, dass Audio und Anzahl der Keyframes den Preis nicht beeinflussen.

Option	Pro Clip	Stapel mit drei Clips
5 Sekunden, 720p (was ich ausgeführt habe)	$0.304	$0.912
5 Sekunden, 1080p	$0.518	$1.554
15 Sekunden, 1080p	$1.554	$4.662

Praktischer Zyklus: Testen Sie Prompts bei 5 Sekunden und 720p, behalten Sie die Gewinner und rendern Sie nur diese in 1080p oder länger. Details zu den Tarifen finden Sie in der FLUX 3 Max API-Preisgestaltung.

Checkliste für Kurzvideos

1. Schreiben Sie den Schnitt zuerst als Einstellungen und weisen Sie dann mit der obigen Tabelle jedem Shot einen Modus zu.
2. Erstellen Sie auch Stillbilder im 9:16-Format. Bildmodi animieren den Frame, den Sie ihnen geben, daher ist ein Querformat-Stillbild von Anfang an ein Kompositionsproblem.
3. Setzen Sie aspect_ratio: "9:16" in jeder Anfrage explizit, statt sich auf auto zu verlassen.
4. Halten Sie Keyframe-Bilder visuell konsistent (gleiches Produkt, gleiche Lichtfamilie) und prüfen Sie vor dem Einreichen frame_index ≤ duration × 24. Falsche Zeitachsen werden beim Einreichen akzeptiert und schlagen kurz darauf fehl.
5. Parallel einreichen, abfragen oder Callback verwenden und sofort herunterladen.
6. Lassen Sie Audio in der Entwurfsphase aktiviert. Es kostet nichts extra, und Sie können es im Schnitt stummschalten.

Für Prompt-Ideen außerhalb dieser Kampagne lesen Sie den FLUX 3 Max Video-Prompt-Leitfaden. Um denselben Workflow mit einem anderen Modell zu verwenden, vergleichen Sie den Kling 3.0 Bild-zu-Video-Kurzvideo-Workflow.

Häufige Fragen

Kann FLUX 3 Max vertikale 9:16-Videos erstellen? Ja. Alle drei Endpunkte akzeptieren aspect_ratio: "9:16". Bei 720p war meine Ausgabe 704 × 1280.

Welchen FLUX 3 Max-Modus sollte ich für Produktvideos verwenden? Verwenden Sie Bild-zu-Video, wenn das Produktfoto exakt so bleiben muss, wie es freigegeben wurde. In meinen Tests blieben Glas, Deko und Hintergrund während des gesamten Clips unverändert. Verwenden Sie Keyframes, wenn sich das Produkt zwischen zwei Szenen bewegen muss.

Wie lange dauert die Erzeugung eines FLUX 3 Max-Clips? In meinem Lauf wurden drei 5-Sekunden-720p-Clips zusammen eingereicht, und jeder benötigte 20 Sekunden von created bis completed. Längere oder 1080p-Clips können länger dauern; die habe ich nicht gemessen.

Kann ich Text-zu-Video, Bild-zu-Video und Keyframes im selben Stapel mischen? Ja. Es sind eigenständige Modell-IDs am selben /v1/tasks-Endpunkt, die dieselben Felder teilen, sodass ein Skript sie nebeneinander einreichen kann.

Wie lang können FLUX 3 Max-Kurzvideoclips sein? Zwischen 5 und 20 Sekunden, in ganzen Sekunden. Die Kosten steigen linear mit der Länge.

Jetzt bauen

Wählen Sie die Einstellung, die Sie am meisten brauchen, öffnen Sie die entsprechende Modellseite (Text-zu-Video, Bild-zu-Video oder Keyframe-zu-Video) und führen Sie einen 5-Sekunden-720p-Test aus, bevor Sie den Rest des Schnitts im Stapel verarbeiten.