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/keyframes-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/keyframes-to-video

Entrada

Keyframes

Salida

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

Precios

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

Especificaciones Precio unitario
720P $0.0608
1080P $0.1036

Descripción general

flux-3-max/keyframes-to-video es la línea de generación de video a partir de imágenes guiada por fotogramas clave de la familia flux-3-max: el desarrollador proporciona un prompt y hasta 10 imágenes de fotogramas clave, las ancla mediante índices de fotograma en posiciones concretas de una línea temporal de 24 fps, y el modelo completa el movimiento y las transiciones entre los fotogramas clave, generando un video de 5 a 20 segundos en 720p o 1080p. Es adecuada para equipos de previsualización de storyboards, publicidad y producción de material de cortometrajes que necesitan controlar con precisión el ritmo visual, y se invoca a través de la interfaz unificada de HiAPI.ai.

Aspectos destacados

  • Control puntual del ritmo visual mediante fotogramas clave: hasta 10 imágenes se sitúan en cualquier posición de la línea temporal según su índice de fotograma, y el modelo completa el proceso intermedio en lugar de recibir solo el primer fotograma.
  • Los fotogramas clave admiten audio sincronizado: la generación de audio está activada de forma predeterminada y produce sonido sincronizado con la imagen, lo que reduce el trabajo de doblaje posterior.
  • Intensidad de razonamiento conmutable: reasoning_level ofrece dos niveles, low y high; el nivel alto mejora la calidad de interpretación en escenas complejas y el nivel bajo permite reducir la latencia en escenas sencillas.

Descripción de capacidades

Composición de la línea temporal de fotogramas clave: tomando 24 fps como base temporal, se usa frame_index para indicar la posición en la que aparece cada fotograma clave; el índice de fotograma debe ser único y no superar la duración multiplicada por 24, lo que permite una narración visual precisa segmento a segmento.

Duración de 5 a 20 segundos y doble resolución: duration abarca de 5 a 20 segundos y resolution permite elegir entre 720p o 1080p; la facturación se calcula por segundos de salida, lo que facilita el control de costes según la longitud del clip.

Ocho relaciones de aspecto y seguimiento automático: aspect_ratio ofrece ocho proporciones como 21:9, 16:9, 1:1 y 9:16, mientras que auto mantiene la proporción de la imagen de entrada; una sola línea cubre publicaciones horizontales, verticales y cuadradas.

Prompt e intensidad de razonamiento combinados: el prompt admite hasta 6000 caracteres y, junto con reasoning_level, controla la profundidad de interpretación de escenas complejas, equilibrando la calidad de imagen y la latencia de respuesta.

Casos de uso

  • Storyboardistas y equipos publicitarios: imágenes clave más guion: se colocan los storyboards ya aprobados como fotogramas clave en la línea temporal para producir previsualizaciones animadas de ritmo controlado, destinadas a propuestas a clientes y revisiones previas al rodaje.
  • Producción de cortometrajes de marca: imágenes de producto y texto de locución: usando fotogramas fijos del producto como fotogramas clave y describiendo en el prompt el movimiento de cámara y la atmósfera, se generan clips breves con audio sincronizado listos para publicaciones en redes sociales y para la web oficial.
  • Equipos creativos: comparación de varias propuestas de fotogramas clave: con el mismo prompt se sustituyen combinaciones de fotogramas clave y relaciones de aspecto para generar lotes de videos, obteniendo varias propuestas candidatas para una selección iterativa rápida.
  • Creadores de contenido vertical: secuencias de fotogramas clave en 9:16: con formato vertical y duraciones cortas de 5 a 10 segundos se generan clips para publicar o como material intermedio para un montaje posterior.

Limitaciones y recomendaciones de elección

Esta línea solo acepta entrada de imagen a video: requiere al menos una imagen de fotograma clave, por lo que para iniciar un video solo con texto debe elegirse la línea text-to-video de la misma familia. La resolución de salida se limita a 720p y 1080p, la duración máxima es de 20 segundos, y los videos finales más largos o de mayor especificación deben generarse por segmentos y unirse después. La intensidad de razonamiento high introduce mayor latencia, por lo que en materiales de ritmo sencillo puede usarse low. Las imágenes de fotogramas clave deben ser direcciones HTTPS públicas; un error en la planificación de los índices de fotograma hará que la secuencia no coincida con lo esperado, por lo que conviene verificar la línea temporal antes de enviar la solicitud.

  • 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