FLUX 3 Max 短视频：每个镜头一种模式，通过 API 批量处理

FLUX 3 Max 在 hiapi 上提供三个视频端点，对于短视频工作，有用的问题不是“哪个最好”，而是“哪个适合这个镜头”。本指南走查一个小型竖屏广告活动（为一家冰抹茶咖啡馆的帖子制作三个 9:16 片段），每个镜头使用不同模式，三个都作为一次并行批量提交，下面展示的每个片段都是真实、未经编辑的输出。

如果你需要完整的参数参考和校验错误说明，请先阅读 FLUX 3 Max API 指南。本文假设你已经能提交任务，重点讲短视频工作流。

按镜头选模式，而不是按项目选

短视频剪辑通常由钩子、产品节拍和收尾组成。这些节拍的输入不同，因此对应不同的 FLUX 3 Max id：

剪辑中的镜头	你手上有什么	使用	关键输入
钩子 / B-roll	只有一个想法	flux-3-max/text-to-video	prompt
产品节拍	一张已批准且不能改动的产品照片	flux-3-max/image-to-video	image_url（单个字符串），可选 end_image_url
转场 / 收尾	两个你想连接起来的场景	flux-3-max/keyframes-to-video	keyframes: [{image_url, frame_index}]

三者共享 duration（5–20 秒）、resolution（720p / 1080p）、aspect_ratio（竖屏设为 9:16）和 generate_audio。因为请求体几乎相同，一个批处理脚本就能发送全部三个。模型页面：文本生成视频、图片生成视频、关键帧生成视频。

镜头 1：钩子，仅用文本

钩子需要第一秒就有运动，且没有特定素材要求，所以文本生成视频是正确选择。

{
  "model": "flux-3-max/text-to-video",
  "input": {
    "prompt": "竖屏手持特写：咖啡师将冷牛奶倒入高透明玻璃杯中的冰抹茶，绿色和白色在慢动作中交织旋转，晨光透过咖啡馆窗户，浅景深，清脆的冰块碰撞声，轻柔的咖啡馆环境音。",
    "duration": 5,
    "resolution": "720p",
    "aspect_ratio": "9:16",
    "generate_audio": true
  }
}

返回结果：倾倒从第一帧开始，到结尾时漩涡充满玻璃杯，这正是钩子需要的。文本生成视频做不到的是匹配你的场景：我要求咖啡馆，模型选择了木质柜台，而我的产品照片（下一个镜头）用的是大理石。对于钩子来说这是可以接受的。对于必须匹配品牌资产的镜头，请使用某个图片模式。

镜头 2：产品节拍，锚定在静帧上

这是已批准的产品照片。它事先生成为 9:16 静帧，并作为第一帧传给模型。

{
  "model": "flux-3-max/image-to-video",
  "input": {
    "prompt": "缓慢推近玻璃杯；牛奶漩涡漂移并沉淀，冰块轻微移动，光线在大理石柜台上轻轻闪烁，薄荷叶保持不动。安静的咖啡馆环境音。",
    "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
  }
}

构图保持锁定：同样的杯子、同样的薄荷枝、同样的大理石和窗户光线从开始到结束。不过运动比较克制。我要求的推近在 5 秒内几乎看不出来，大部分运动在液体和光线中。对于产品节拍来说这是好结果，因为你希望产品镜头保持真实。如果你想要更强的运镜，给它更多秒数或在提示词中更强调，并在扩大批量前检查结果。

注意字段名：image-to-video 接受单个 image_url 字符串。传入 image_urls 数组（像其他一些 hiapi 视频模型期望的那样）会在提交时被拒绝。

镜头 3：收尾，用两个关键帧

收尾连接咖啡馆和街道。我有同一杯饮料在户外举起的第二张静帧，并把两者都用作关键帧。

{
  "model": "flux-3-max/keyframes-to-video",
  "input": {
    "prompt": "连续镜头：一只手从咖啡馆柜台拿起冰抹茶并带到外面，最后在阳光明媚的街道上举向明亮的蓝天。平滑手持相机，自然光线从温暖的室内过渡到明亮的日光。",
    "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 以 24 fps 计帧，所以 5 秒片段从 0 到 120。把锚点放在 0 和 120，使片段正好从柜台镜头开始，并正好落在街道镜头上。在两者之间，模型自己发明了一个转场：片段中段，手在门口举着杯子，然后街道出现。这就是关键帧的取舍。你控制锚定的时刻，模型填充其余部分。如果中间必须是特定样子，为它添加第三个关键帧（最多允许 10 个）。

批量处理：一个脚本，三种模式，并行

短视频工作意味着大量变体，所以先提交所有内容，之后再轮询。这是我使用的脚本，已精简：

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)

2026 年 11 月 3 日，我一次性发送全部三个时看到的情况：

• 每个 POST /v1/tasks 都在 2 秒内返回 taskId。
• 轮询显示每个任务都经历相同序列：handling，然后 archiving，然后 success。
• 任务记录显示三个片段从 created 到 completed 均为 20 秒。并行运行它们并不比运行一个更久。
• 每个输出都是 5.04 秒的 H.264 文件，704 × 1280，24 fps，带 AAC 音轨。注意宽度：9:16 的 720p 给出 704 px，不是 720。如果你的编辑器模板要求正好 720 × 1280，导入时请缩放或填充。
• 输出 URL 位于临时域名上，expireAt 为完成后 7 天。请立即下载并自行存储文件。

对于更大的批量（几十个钩子变体），使用任务 API 的 callback 配合 when: "final"，这样无需轮询，并记录每个 taskId，以免崩溃丢失已付费的工作。

批量成本

FLUX 3 Max 按输出秒数、按分辨率计费，三种模式费率相同。截至 2026 年 11 月，定价页面列出 720p 为 $0.0608/秒，1080p 为 $0.1036/秒。模型页面说明音频和关键帧数量不影响价格。

方案	每个片段	三片段批量
5 秒，720p（我运行的）	$0.304	$0.912
5 秒，1080p	$0.518	$1.554
15 秒，1080p	$1.554	$4.662

实用循环：在 5 秒和 720p 下测试提示词，保留胜出者，仅将它们以 1080p 或更长渲染。关于费率详情，请参阅 FLUX 3 Max API 定价。

短视频检查清单

1. 先把剪辑写成镜头，然后用上表为每个镜头分配模式。
2. 静帧也做成 9:16。图片模式会动画化你给它的帧，所以横向静帧从一开始就是构图问题。
3. 在每个请求中显式设置 aspect_ratio: "9:16"，而不是依赖 auto。
4. 保持关键帧图像视觉一致（相同产品、相同光照家族），并在提交前验证 frame_index ≤ duration × 24。错误的时间线会在提交时被接受，片刻后失败。
5. 并行提交，轮询或使用回调，并立即下载。
6. 草稿阶段保持音频开启。它不额外收费，你可以在剪辑中静音。

关于本次广告活动之外的提示词想法，请参阅 FLUX 3 Max 视频提示词指南。要在另一个模型上使用相同工作流，请比较 Kling 3.0 图片生成视频短视频工作流。

常见问题

FLUX 3 Max 能制作竖屏 9:16 视频吗？ 能。三个端点都接受 aspect_ratio: "9:16"。在 720p 下，我得到的输出是 704 × 1280。

产品视频应该使用哪个 FLUX 3 Max 模式？ 当产品照片必须完全保持批准时的样子，使用图片生成视频。在我的测试中，杯子、装饰和背景在整个片段中保持不变。当产品需要在两个场景之间移动时，使用关键帧。

生成一个 FLUX 3 Max 片段需要多长时间？ 在我的运行中，三个 5 秒 720p 片段一起提交，每个从 created 到 completed 用时 20 秒。更长或 1080p 片段可能需要更久；我没有计时那些。

能在同一个批量中混合文本生成视频、图片生成视频和关键帧吗？ 能。它们是同一 /v1/tasks 端点上的独立模型 id，共享相同字段，所以一个脚本可以并排提交它们。

FLUX 3 Max 短视频片段能有多长？ 5 到 20 秒之间，以整秒为单位。成本随长度线性增长。

开始构建

选择你最需要的镜头，打开对应的模型页面（文本生成视频、图片生成视频或关键帧生成视频），在批量处理其余剪辑之前先运行一个 5 秒 720p 测试。