HiAPI
flux-3-max 图生视频详情页 Hero 图:右侧玻璃胶片带与光轨延展,左侧柔光留白,冷调粉蓝与暖金交织,名字以发光立体字蚀刻在胶片带上。

Black Forest Labs

FLUX 3 Max

flux-3-max/image-to-video

Modelo de generación de video que admite texto a video e imagen a video, enfocado en una baja latencia y una producción rápida; según sus benchmarks públicos, un clip de 10 segundos se genera en aproximadamente 11–12 segundos, ideal para la iteración creativa y el material de video corto

Probar flux-3-max/image-to-video

Entrada

Salida

video
Rellena los parámetros y genera: los resultados aparecerán aquí.

Precios

flux-3-max/image-to-video per second

Especificaciones Precio unitario
720P $0.0608
1080P $0.1036

Descripción general

Modelo de imagen a vídeo FLUX 3 Max: recibe una imagen de primer fotograma y un prompt para generar un clip de vídeo dinámico que puede incluir audio sincronizado. Admite duraciones de 5 a 20 segundos, dos niveles de resolución (720p y 1080p) y 8 relaciones de aspecto, además de una imagen de último fotograma opcional para lograr una transición entre el primer y el último fotograma. Ideal para desarrolladores y equipos de contenido que necesitan convertir rápidamente imágenes estáticas en material de vídeo utilizable, invocándolo en HiAPI.ai a través de una interfaz unificada.

Puntos clave

  • Control de doble imagen con primer y último fotograma: el primer fotograma es obligatorio y el último es opcional; al proporcionar las imágenes inicial y final se pueden acotar el inicio y el fin del plano, reduciendo la deriva de composición en los resultados generados.
  • Audio sincronizado generado junto con el vídeo: la generación de audio está activada por defecto, por lo que se obtiene un vídeo con sonido sincronizado y se evita el paso posterior de doblaje y sincronización de pistas.
  • Amplio rango ajustable de duración y relación de aspecto: la duración se puede configurar entre 5 y 20 segundos; la relación de aspecto admite 8 opciones, de 21:9 a 9:16, o bien adaptarse automáticamente a la imagen de entrada.
  • Niveles de razonamiento conmutables: reasoning_level ofrece los niveles low y high; use el alto para mejorar la comprensión en escenas complejas y el bajo para obtener menor latencia en imágenes sencillas.

Capacidades

Imagen a vídeo impulsado por el primer fotograma: basta con enviar una imagen de primer fotograma accesible por HTTPS público (PNG, JPEG, WebP) y un prompt para generar un vídeo que comienza con esa imagen, ideal para extender material existente directamente a un clip dinámico.

Transición opcional con último fotograma: al proporcionar una imagen de último fotograma, el modelo genera el proceso de transición entre las dos imágenes dadas, lo que sirve para la continuidad de planos con composición inicial y final fija y para crear material de transición.

Control de resolución y relación de aspecto: la salida puede ser 720p o 1080p, con relaciones de aspecto que abarcan 21:9, 16:9, 4:3, 1:1, 9:16, etc., o configurarse como auto para seguir la imagen de entrada, lo que facilita generar en una sola pasada material adaptado a distintas ubicaciones de publicación.

Duración a medida: la duración puede especificarse entre 5 y 20 segundos y se factura por segundos de salida, de modo que tanto la validación de clips cortos como el material más largo se completan con la misma interfaz.

Interruptor de audio sincronizado: generate_audio permite controlar si se genera audio sincronizado junto con la imagen; puede desactivarse cuando se necesite material silencioso para añadir música en posproducción.

Casos de uso

  • Equipos de diseño que convierten el key visual estático en vídeo: introduzca la imagen de marca principal y un prompt que describa el movimiento de cámara para producir un clip breve con audio destinado a redes sociales y a la primera pantalla de una landing page.
  • Continuidad entre primer y último fotograma en el previsualizado de storyboards: con las imágenes del primer y el último fotograma de un storyboard se genera un vídeo de transición intermedio que sirve como borrador de plano para montaje y validación del cliente.
  • Producción de contenido vertical para vídeo corto: genere clips en formato 9:16 y con duraciones más cortas, directamente utilizables para complementar material y para remontajes en plataformas de vídeo corto.
  • Validación rápida de propuestas creativas: genere varias salidas con distintas relaciones de aspecto, duraciones y niveles de razonamiento a partir de la misma imagen para comparar direcciones rápidamente antes de la versión final.

Limitaciones y recomendaciones de selección

La imagen del primer fotograma debe ser un enlace HTTPS accesible públicamente, y el prompt tiene un límite de 6000 caracteres, por lo que debe resumirse si se supera. Las duraciones largas y las resoluciones altas alargan el tiempo de generación, así que conviene reservar ventanas de espera en tareas por lotes. Este modelo solo hace imagen a vídeo; cuando falten imágenes de referencia controlables, es más adecuado cambiar a un modelo de texto a vídeo; si se necesita fijar el ritmo con varios fotogramas clave, puede considerarse la línea keyframes-to-video de la misma familia. En escenas complejas se recomienda usar el nivel de razonamiento high y verificar manualmente la salida.

  • Nuevo modelo Ya está disponible el modelo de generación de video flux-3-max/text-to-video
  • Actualización de precio Ajuste de precio de flux-3-max/text-to-video
  • Actualización de precio Ajuste de precio de flux-3-max/image-to-video: nueva tarifa de $0.0608

Preguntas frecuentes

Ver todas las preguntas →
  • ¿Qué entradas requiere FLUX 3 Max para generar video a partir de una imagen?

    Son obligatorios prompt e image_url (imagen del primer fotograma, compatible con PNG/JPEG/WebP). De forma opcional, end_image_url como fotograma final, así como duration, resolution, aspect_ratio, generate_audio y reasoning_level.

  • ¿Se puede configurar la duración del vídeo?

    Sí. duration acepta un número entero de segundos entre 5 y 20, en pasos de 1 segundo, con un valor predeterminado de 5 segundos; la generación de vídeo a partir de imagen y la de texto a vídeo comparten la misma tarifa por segundo. Primero confirma con 5 segundos si la imagen de origen es estable y luego amplía la duración.

  • ¿De qué depende la relación de aspecto?

    aspect_ratio es auto por defecto y la salida sigue la proporción de la imagen del primer fotograma; también se puede especificar manualmente 21:9, 2:1, 16:9, 4:3, 1:1, 3:4 o 9:16. Si la especificación manual no coincide con la proporción de la imagen, la imagen puede recortarse.

  • ¿Cómo se usa el fotograma final?

    Pasa el primer fotograma en image_url y el fotograma final en end_image_url; el video hará la transición del primer fotograma al fotograma final. En el prompt, describe solo los cambios que ocurren en el medio; cuanto más similares sean el encuadre y la iluminación de las dos imágenes, más fluida será la transición.

Modelos relacionados

Ver todos los modelos →

Mismo tipo