FLUX 3 Max para videos cortos: un modo por plano, procesamiento por lotes a través de la API

FLUX 3 Max ofrece tres endpoints de video en hiapi, y para el trabajo de video corto, la pregunta útil no es "cuál es el mejor", sino "cuál encaja con este plano". Esta guía recorre una pequeña campaña vertical (tres clips 9:16 para una publicación de una cafetería de matcha helado), usando un modo distinto por plano, con los tres enviados como un único lote paralelo; cada clip mostrado abajo es una salida real y sin editar.

Si necesitas la referencia completa de parámetros y la explicación de errores de validación, lee primero la guía de la API de FLUX 3 Max. Este artículo asume que ya sabes enviar tareas y se centra en el flujo de trabajo de video corto.

Elige el modo por plano, no por proyecto

Un montaje de video corto suele componerse de un gancho, un momento de producto y un cierre. Estos momentos tienen entradas distintas, por lo que corresponden a distintos ids de FLUX 3 Max:

Plano del montaje	Qué tienes	Usa	Entrada clave
Gancho / B-roll	Solo una idea	flux-3-max/text-to-video	prompt
Momento de producto	Una foto de producto aprobada que no se puede cambiar	flux-3-max/image-to-video	image_url (una sola cadena), opcional end_image_url
Transición / cierre	Dos escenas que quieres conectar	flux-3-max/keyframes-to-video	keyframes: [{image_url, frame_index}]

Los tres comparten duration (5–20 segundos), resolution (720p / 1080p), aspect_ratio (ajusta 9:16 para vertical) y generate_audio. Como el cuerpo de la solicitud es casi idéntico, un solo script de procesamiento por lotes puede enviar los tres. Páginas del modelo: texto a video, imagen a video, fotogramas clave a video.

Plano 1: el gancho, solo texto

El gancho necesita movimiento en el primer segundo y no tiene requisitos de material específicos, así que texto a video es la elección correcta.

{
  "model": "flux-3-max/text-to-video",
  "input": {
    "prompt": "Primer plano vertical a mano: un barista vierte leche fría en un vaso alto y transparente con matcha helado, el verde y el blanco se entrelazan y giran en cámara lenta, la luz de la mañana entra por la ventana de la cafetería, poca profundidad de campo, nítido tintineo de hielo, suave ambiente sonoro de cafetería.",
    "duration": 5,
    "resolution": "720p",
    "aspect_ratio": "9:16",
    "generate_audio": true
  }
}

Resultado devuelto: el vertido comienza desde el primer fotograma y, al final, el remolino llena el vaso, que es justo lo que necesita el gancho. Lo que texto a video no puede hacer es coincidir con tu escenario: pedí una cafetería, el modelo eligió una barra de madera, mientras que mi foto de producto (el siguiente plano) usa mármol. Para un gancho esto es aceptable. Para planos que deben coincidir con los recursos de marca, usa alguno de los modos de imagen.

Plano 2: el momento de producto, anclado a una imagen fija

Esta es la foto de producto aprobada. Se generó previamente como imagen fija 9:16 y se pasa al modelo como primer fotograma.

{
  "model": "flux-3-max/image-to-video",
  "input": {
    "prompt": "Acercamiento lento al vaso; el remolino de leche se desplaza y se asienta, el hielo se mueve ligeramente, la luz parpadea suavemente sobre la barra de mármol, la hoja de menta permanece quieta. Ambiente sonoro tranquilo de cafetería.",
    "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
  }
}

La composición se mantiene fija: el mismo vaso, la misma ramita de menta, el mismo mármol y la misma luz de ventana de principio a fin. Sin embargo, el movimiento es contenido. El acercamiento que pedí apenas se nota en 5 segundos; la mayor parte del movimiento está en el líquido y la luz. Para un momento de producto esto es un buen resultado, porque quieres que el plano de producto se mantenga fiel. Si quieres un movimiento de cámara más fuerte, dale más segundos o enfatízalo más en el prompt, y revisa el resultado antes de ampliar el lote.

Fíjate en el nombre del campo: image-to-video acepta una sola cadena image_url. Pasar un arreglo image_urls (como esperan otros modelos de video de hiapi) se rechaza al enviar.

Plano 3: el cierre, con dos fotogramas clave

El cierre conecta la cafetería con la calle. Tengo una segunda imagen fija de la misma bebida levantada al aire libre, y uso ambas como fotogramas clave.

{
  "model": "flux-3-max/keyframes-to-video",
  "input": {
    "prompt": "Plano continuo: una mano toma el matcha helado de la barra de la cafetería y lo lleva afuera, terminando levantándolo hacia el cielo azul brillante en una calle soleada. Cámara en mano suave, la luz natural pasa del interior cálido a la luz brillante del día.",
    "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 cuenta fotogramas a 24 fps, así que un clip de 5 segundos va de 0 a 120. Colocar los anclajes en 0 y 120 hace que el clip empiece exactamente en el plano de la barra y termine exactamente en el plano de la calle. Entre ambos, el modelo inventa una transición: a mitad del clip, la mano sostiene el vaso en la puerta y luego aparece la calle. Esa es la contrapartida de los fotogramas clave. Tú controlas los momentos anclados y el modelo rellena el resto. Si el medio debe verse de una forma específica, añade un tercer fotograma clave (se permiten hasta 10).

Procesamiento por lotes: un script, tres modos, en paralelo

El trabajo de video corto implica muchas variantes, así que envía todo primero y consulta después. Este es el script que usé, simplificado:

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)

Lo que vi el 3 de noviembre de 2026 al enviar los tres a la vez:

• Cada POST /v1/tasks devolvió el taskId en menos de 2 segundos.
• El sondeo mostró que cada tarea pasó por la misma secuencia: handling, luego archiving, luego success.
• Los registros de tareas mostraron que los tres clips tardaron 20 segundos de created a completed. Ejecutarlos en paralelo no tardó más que ejecutar uno.
• Cada salida fue un archivo H.264 de 5.04 segundos, 704 × 1280, 24 fps, con pista de audio AAC. Ojo con el ancho: 720p en 9:16 da 704 px, no 720. Si tu plantilla de editor exige exactamente 720 × 1280, escala o rellena al importar.
• Las URL de salida están en un dominio temporal, con expireAt 7 días después de completarse. Descarga y almacena los archivos por tu cuenta de inmediato.

Para lotes más grandes (decenas de variantes de gancho), usa el callback de la API de tareas con when: "final", así no necesitas sondear, y registra cada taskId para no perder trabajo ya pagado si algo falla.

Costo del lote

FLUX 3 Max se factura por segundos de salida y por resolución, con la misma tarifa en los tres modos. A noviembre de 2026, la página de precios lista 720p a $0.0608/segundo y 1080p a $0.1036/segundo. La página del modelo indica que el audio y el número de fotogramas clave no afectan el precio.

Escenario	Por clip	Lote de tres clips
5 segundos, 720p (lo que ejecuté)	$0.304	$0.912
5 segundos, 1080p	$0.518	$1.554
15 segundos, 1080p	$1.554	$4.662

Ciclo práctico: prueba prompts a 5 segundos y 720p, conserva los ganadores y renderiza solo esos a 1080p o con mayor duración. Para detalles de tarifas, consulta precios de la API de FLUX 3 Max.

Lista de verificación para video corto

1. Escribe primero el montaje como planos y luego asigna un modo a cada uno con la tabla de arriba.
2. Haz también las imágenes fijas en 9:16. Los modos de imagen animan el fotograma que les das, así que una imagen fija horizontal es un problema de composición desde el principio.
3. Establece explícitamente aspect_ratio: "9:16" en cada solicitud, en lugar de depender de auto.
4. Mantén la coherencia visual de las imágenes de fotogramas clave (mismo producto, misma familia de iluminación) y verifica frame_index ≤ duration × 24 antes de enviar. Una línea de tiempo incorrecta se acepta al enviar y falla poco después.
5. Envía en paralelo, sondea o usa callbacks, y descarga de inmediato.
6. Mantén el audio activado durante el borrador. No cuesta extra y puedes silenciarlo en el montaje.

Para ideas de prompts más allá de esta campaña, consulta la guía de prompts de video de FLUX 3 Max. Para usar el mismo flujo de trabajo en otro modelo, compara el flujo de trabajo de video corto de imagen a video con Kling 3.0.

Preguntas frecuentes

¿Puede FLUX 3 Max crear videos verticales 9:16? Sí. Los tres endpoints aceptan aspect_ratio: "9:16". A 720p, la salida que obtuve fue de 704 × 1280.

¿Qué modo de FLUX 3 Max debería usar para videos de producto? Usa imagen a video cuando la foto de producto deba mantenerse exactamente como se aprobó. En mi prueba, el vaso, la decoración y el fondo se mantuvieron iguales durante todo el clip. Usa fotogramas clave cuando el producto deba moverse entre dos escenas.

¿Cuánto tarda en generarse un clip de FLUX 3 Max? En mi ejecución, tres clips de 5 segundos y 720p enviados juntos tardaron 20 segundos cada uno de created a completed. Clips más largos o en 1080p pueden tardar más; no los cronometré.

¿Se pueden mezclar texto a video, imagen a video y fotogramas clave en el mismo lote? Sí. Son ids de modelo independientes en el mismo endpoint /v1/tasks y comparten los mismos campos, así que un script puede enviarlos uno al lado del otro.

¿Cuánto puede durar un clip de video corto de FLUX 3 Max? Entre 5 y 20 segundos, en segundos enteros. El costo crece linealmente con la duración.

Empieza a construir

Elige el plano que más necesites, abre la página del modelo correspondiente (texto a video, imagen a video o fotogramas clave a video) y ejecuta una prueba de 5 segundos a 720p antes de procesar el resto del montaje por lotes.