FLUX.3 Vídeo de formato curto: rascunho, renderização e continuação via API

FLUX.3 Video (no hiapi como flux-3-video) cobre com o mesmo id de modelo as três coisas necessárias para um fluxo de trabalho de vídeo curto: saída vertical 9:16, faixa de áudio gerada em sincronia com a imagem e continuação de vídeo a partir do último quadro de um trecho existente. Este guia usa as três funcionalidades em uma tarefa pequena: criar um curta vertical de 10 segundos para uma loja de lámen que funciona até tarde. Primeiro valide o conceito com um rascunho barato, depois renderize o vídeo final em 720p e, em seguida, estenda a tomada além dos 5 segundos com a continuação. Cada trecho abaixo é uma saída real e não editada da API, e cada preço vem da tabela de preços em tempo real do hiapi.

Para a referência completa de parâmetros e um passo a passo da primeira requisição, consulte o Guia da API FLUX.3 Video. Se você quer endpoints separados de imagem para vídeo e de quadro-chave, com preço por segundo mais baixo, o Fluxo de vídeo curto FLUX 3 Max cobre esse modelo. Este artigo trata do que o flux-3-video oferece a mais: áudio, prévia em rascunho e continuação.

Fluxo de trabalho em três chamadas

Etapa	Função	Campo principal	Preço (por segundo)	Custo de 5 segundos
1. Rascunho	Verificar se o prompt aparece como esperado	draft: true	$0.09	$0.45
2. Vídeo final	Renderizar o trecho que você vai publicar	resolution: "720p"	$0.25	$1.25
3. Continuação	Estender o trecho final por mais 5 segundos	start_video + draft: true	$0.18	$0.90

Os três usam o mesmo id de modelo, com a mesma estrutura de requisição no endpoint de tarefas assíncronas. O custo total desta execução foi de $2.60, resultando em um curta vertical de 10 segundos com som. Em 1080p, a tarifa de renderização normal sobe para $0.42/s, a continuação para $0.76/s e a continuação em 720p sem rascunho para $0.59/s. Consulte as tarifas atuais na página do modelo flux-3-video e na página de preços.

Etapas 1 e 2: rascunho e vídeo final, enviados como um lote

O prompt descreve a tomada em um bloco de frase e o som em uma linha Audio: separada. Com generate_audio: true ativado, o modelo retorna um .mp4 com faixa de áudio AAC embutida, em vez de um arquivo de áudio separado.

{
  "model": "flux-3-video",
  "input": {
    "prompt": "夜间竖屏手持镜头：一碗豚骨拉面的热气升腾，筷子夹起油亮的面条伸向镜头，后方是一个只有六个座位的拉面吧台，温暖的纸灯笼，雨水在窗户上划出痕迹，浅景深。音频：汤底咕嘟声、轻柔的吸面声、雨打玻璃声、低低的交谈声。",
    "duration": 5,
    "resolution": "720p",
    "aspect_ratio": "9:16",
    "draft": true,
    "generate_audio": true
  }
}

A requisição do vídeo final é o mesmo corpo de requisição, apenas sem "draft": true. As duas requisições são enviadas em sequência. Nenhuma espera pela outra, porque cada chamada retorna imediatamente um taskId:

	Rascunho	Vídeo final 720p
Criação → conclusão (carimbo de tempo do servidor)	29 segundos	64 segundos
Dimensões de saída	704×1280	704×1280
Duração	5,04 segundos	5,04 segundos
Pico de áudio	−23 dB	−5 dB
Custo	$0.45	$1.25

Aqui está o rascunho:

E o vídeo final em 720p do mesmo prompt:

Esses dois trechos mostram o que o rascunho pode e não pode dizer:

• O rascunho é outra versão, não uma prévia em baixa resolução do vídeo final. O rascunho enquadra uma tigela branca lisa, com o macarrão já erguido. O vídeo final escolheu uma tigela com padrões, acompanhada de ovo mole, cebolinha, clientes no balcão e vapor. O schema da requisição não tem campo seed, então você não pode fixar a composição do rascunho e renderizar novamente em qualidade total.
• As dimensões em pixels são idênticas. Ambas as saídas são 704×1280. A diferença está nos detalhes: o rascunho é visivelmente mais suave e o fundo é desfocado, enquanto o vídeo final preserva a textura do macarrão e das letras da lanterna.
• A faixa de áudio do rascunho tem volume muito menor. Seu pico fica em torno de −23 dB, contra −5 dB no vídeo final. Não use o rascunho para avaliar a mixagem de áudio.

Portanto, use o rascunho para verificar o conceito em várias variantes de prompt, a um custo de $0.45 por rascunho (o prompt gera um close de lámen noturno vertical com o gesto de erguer o macarrão?). Depois renderize o vídeo final apenas para os prompts aprovados e escolha entre os vídeos finais.

Etapa 3: estender a tomada com a continuação

Um gancho de 5 segundos muitas vezes é curto demais para uma publicação. Em vez de gerar outro trecho não relacionado, passe a URL pública do vídeo final como start_video e descreva o que acontece em seguida:

{
  "model": "flux-3-video",
  "input": {
    "prompt": "继续同一镜头：面条被吸出画面，手持相机向右上方漂移，越过热气腾腾的碗，朝雨水划痕的窗户移动，发光的纸灯笼映在玻璃上，窗外有模糊的霓虹招牌。音频：吸面声，然后是雨打窗户声和吧台交谈声轻柔地渐强。",
    "start_video": "https://static.hiapi.ai/blog/flux-3-video-short-form-video/hook-final.mp4",
    "duration": 5,
    "resolution": "720p",
    "aspect_ratio": "9:16",
    "draft": true,
    "generate_audio": true
  }
}

A tarefa levou 119 segundos da criação à conclusão e custou $0.90 (5 segundos × $0.18 pela continuação em rascunho). O resultado retornado é este:

Há dois comportamentos que você precisa planejar com antecedência:

1. A saída contém apenas os segundos adicionais. O arquivo retornado tem 5,0 segundos. Ele começa do último quadro do trecho de origem (o macarrão erguido diante da lanterna) e então faz o movimento para a janela conforme solicitado. Ele não inclui os 5 segundos originais, então você mesmo precisa concatenar os dois arquivos.
2. Como o primeiro quadro corresponde, a emenda é contínua. Um concat simples gera uma tomada contínua de 10 segundos:

ffmpeg -i hook-final.mp4 -i extend-draft.mp4 \
  -filter_complex "[0:v][0:a][1:v][1:a]concat=n=2:v=1:a=1[v][a]" \
  -map "[v]" -map "[a]" -c:v libx264 -crf 20 -c:a aac -movflags +faststart cut-10s.mp4

Aqui a continuação foi renderizada em modo rascunho para economizar, e a segunda metade fica mais suave que a primeira, como acontece com rascunhos independentes. Para um trecho que será publicado, a continuação em 720p sem rascunho custa $0.59/s ($2.95 por 5 segundos). Estender em passos de 5 segundos permite confirmar trecho a trecho antes de pagar pela próxima etapa; já renderizar de uma vez um vídeo final de 20 segundos em 720p exige pagar $5.00 adiantado.

Script de processamento em lote assíncrono

O script abaixo envia qualquer número de tarefas em paralelo, consulta cada taskId até a conclusão e baixa a saída imediatamente. As URLs de resultado em temp.hiapi.ai têm carimbo de tempo expireAt, então copie os arquivos para o seu próprio armazenamento em vez de vinculá-los diretamente. A documentação dos endpoints está em Create Task e Get Task Detail.

import os, time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {os.environ['HIAPI_API_KEY']}"}

BASE = {"duration": 5, "resolution": "720p", "aspect_ratio": "9:16",
        "generate_audio": True}

jobs = {
    "ramen_draft":  {**BASE, "draft": True,  "prompt": "夜间竖屏手持镜头：……"},
    "coffee_draft": {**BASE, "draft": True,  "prompt": "竖屏特写：浓缩咖啡滴落……"},
    "ramen_final":  {**BASE,                 "prompt": "夜间竖屏手持镜头：……"},
}

# 1. 全部提交；每次调用都会立即返回一个 taskId
task_ids = {}
for name, inp in jobs.items():
    r = requests.post(API, headers=HEADERS,
                      json={"model": "flux-3-video", "input": inp}, timeout=60)
    r.raise_for_status()
    task_ids[name] = r.json()["data"]["taskId"]

# 2. 轮询直到每个任务达到最终状态
pending = dict(task_ids)
while pending:
    time.sleep(10)
    for name, tid in list(pending.items()):
        data = requests.get(f"{API}/{tid}", headers=HEADERS, timeout=30).json()["data"]
        if data["status"] == "success":
            url = data["output"][0]["url"]
            with open(f"{name}.mp4", "wb") as f:
                f.write(requests.get(url, timeout=120).content)
            print(name, "已保存")
            pending.pop(name)
        elif data["status"] in ("fail", "failed"):
            print(name, "失败：", data.get("error"))
            pending.pop(name)

Para a etapa de continuação, adicione "start_video": "<URL pública do vídeo final aprovado>" ao input. Essa URL precisa ser acessível publicamente, então faça upload do vídeo final aprovado para o seu próprio armazenamento primeiro.

Regras de requisição que vale conhecer antes de enviar em lote

Estas respostas foram retornadas pela API durante esta execução. Requisições inválidas são rejeitadas no envio com 400 INVALID_REQUEST e nenhuma tarefa é criada:

• aspect_ratio aceita auto, 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16. Qualquer outro valor é rejeitado.
• duration tem valor máximo de 20 (maximum: got 99, want 20).
• start_video deve ser uma URL em string.
• Campos desconhecidos são rejeitados (additional properties ... not allowed), então erros de digitação geram erro explícito em vez de serem ignorados.

Por outro lado: uma requisição que passa na validação é uma tarefa real e cobrada. Não envie um prompt de “teste” sem draft: true. Um {"prompt": "test"} puro é válido e renderiza um trecho com preço integral.

Perguntas frequentes

Qual é a forma mais barata de testar um prompt do flux-3-video? O modo rascunho em 720p: $0.09/s, então um trecho de 5 segundos custa $0.45. Ele mostra se o conceito é viável, mas a renderização final será outra versão.

O flux-3-video gera som? Sim. Com generate_audio: true ativado, a faixa de áudio fica embutida no .mp4 retornado. Neste teste, descrever o som em uma linha Audio: separada no prompt produziu ambiência correspondente (borbulhar, som de sorver macarrão, chuva, conversas).

Quanto tempo pode ter um trecho do flux-3-video? Até 20 segundos por requisição. Com a continuação via start_video, você pode estender em etapas e aprovar cada uma antes de pagar pela próxima.

A continuação retorna o vídeo completo concatenado? Não. Neste teste, ela retornou apenas os 5 segundos adicionais, começando do último quadro do trecho de origem. Concatene os arquivos você mesmo.

Comece a construir

Abra a página do modelo flux-3-video para ver os preços atuais e usar o playground. Depois use o script de processamento em lote acima para rascunhar alguns ganchos verticais, renderizar os vídeos finais dos que funcionarem e estender o melhor deles.