FLUX.3 视频短视频：通过 API 进行草稿、渲染、续写

FLUX.3 Video（在 hiapi 上为 flux-3-video）用同一个模型 id 覆盖短视频工作流所需的三件事：竖屏 9:16 输出、与画面同步生成的音轨，以及从现有片段最后一帧接续的视频续写。本指南在一个小任务上使用这三项功能：为一家深夜拉面店制作一支 10 秒竖屏短片。先用便宜的草稿验证概念，再以 720p 渲染成片，然后通过续写把镜头延长到 5 秒以上。下面每个片段都是真实、未经编辑的 API 输出，每个价格都来自 hiapi 的实时价格表。

完整的参数参考和首次请求演练，请参阅 FLUX.3 Video API 指南。如果你想要单独的图生视频和关键帧端点、且每秒价格更低，FLUX 3 Max 短视频工作流 涵盖了那个模型。本文讲的是 flux-3-video 额外提供的东西：音频、草稿预览和续写。

三次调用完成的工作流

步骤	作用	关键字段	价格（每秒）	5 秒费用
1. 草稿	检查提示词是否按预期呈现	draft: true	$0.09	$0.45
2. 成片	渲染你将发布的片段	resolution: "720p"	$0.25	$1.25
3. 续写	将成片片段再延长 5 秒	start_video + draft: true	$0.18	$0.90

三者都使用同一个模型 id，在异步任务端点上使用相同的请求结构。本次运行总花费为 $2.60，得到一支带声音的 10 秒竖屏短片。在 1080p 下，普通渲染的费率升至 $0.42/秒，续写为 $0.76/秒，非草稿的 720p 续写为 $0.59/秒。当前费率见 flux-3-video 模型页面 和 价格页面。

第 1、2 步：草稿与成片，作为一批提交

提示词用一个句子块描述镜头，并用单独的 Audio: 行描述声音。开启 generate_audio: true 时，模型返回一个内嵌 AAC 音轨的 .mp4，而不是单独的音频文件。

{
  "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
  }
}

成片请求是相同的请求体，只是去掉 "draft": true。两个请求连续提交。二者互不等待，因为每次调用都会立即返回一个 taskId：

	草稿	成片 720p
创建 → 完成（服务器时间戳）	29 秒	64 秒
输出尺寸	704×1280	704×1280
时长	5.04 秒	5.04 秒
音频峰值电平	−23 dB	−5 dB
费用	$0.45	$1.25

以下是草稿：

以及同一提示词最终的 720p 成片：

这两个片段说明了草稿能告诉你什么、不能告诉你什么：

• 草稿是另一个版本，不是成片的低分辨率预览。 草稿取景为一只素白碗，面条已经夹起。成片则选了有花纹的碗，配有溏心蛋、葱花、吧台上的食客和热气。请求 schema 没有 seed 字段，因此你无法锁定草稿的构图再以全质量重新渲染。
• 像素尺寸完全相同。 两个输出都是 704×1280。差别在细节：草稿明显更柔和，背景模糊，而成片保留了面条和灯笼字样的纹理。
• 草稿的音轨音量低得多。 其峰值约为 −23 dB，而成片为 −5 dB。不要用草稿判断音频混音。

因此，用草稿以每份 $0.45 的成本在多个提示词变体上检查概念（提示词是否能生成夜间竖屏、带夹面动作的拉面特写？）。然后只为通过的提示词渲染成片，并从成片中挑选。

第 3 步：用续写延长镜头

5 秒的钩子对于一条帖子往往太短。与其生成另一段不相关的片段，不如把成片的公开 URL 作为 start_video 传入，并描述接下来发生什么：

{
  "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
  }
}

该任务从创建到完成耗时 119 秒，费用 $0.90（5 秒 × $0.18 草稿续写）。返回结果如下：

有两点行为需要提前规划：

1. 输出只包含新增的秒数。 返回文件长 5.0 秒。它从源片段的最后一帧开始（灯笼前被夹起的面条），然后按请求摇向窗户。它不包含原来的 5 秒，所以两个文件需要你自己拼接。
2. 因为首帧匹配，拼接是无缝的。 简单的 concat 即可生成一段连续的 10 秒镜头：

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

这里的续写以草稿模式渲染以节省费用，后半段比前半段更柔和，与独立草稿的情况相同。对于要发布的片段，非草稿的 720p 续写费用为 $0.59/秒（5 秒 $2.95）。以 5 秒为步长延长，可以让你在支付下一步之前逐段确认；而一次性渲染 20 秒 720p 成片需预付 $5.00。

异步批处理脚本

下面的脚本并行发送任意数量的任务，轮询每个 taskId 直到完成，并立即下载输出。位于 temp.hiapi.ai 的结果 URL 带有 expireAt 时间戳，因此请把文件复制到你自己的存储，而不要直接链接。端点文档见 Create Task 和 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)

对于续写步骤，在 input 中加入 "start_video": "<已批准成片的公开 URL>"。该 URL 必须可公开访问，因此请先把已批准的成片上传到你自己的存储。

批量提交前值得了解的请求规则

这些响应是本次运行期间 API 返回的。无效请求在提交时即被拒绝，返回 400 INVALID_REQUEST，不会创建任何任务：

• aspect_ratio 接受 auto、21:9、2:1、16:9、4:3、1:1、3:4、9:16。其他任何值都会被拒绝。
• duration 最大值为 20（maximum: got 99, want 20）。
• start_video 必须是字符串 URL。
• 未知字段会被拒绝（additional properties ... not allowed），因此拼写错误会大声报错，而不是被忽略。

反过来：通过校验的请求就是一个真实、会计费的任务。不要在没有 draft: true 的情况下发送“测试”提示词。一个裸的 {"prompt": "test"} 是有效的，并会渲染一个全价片段。

常见问题

试用 flux-3-video 提示词最便宜的方式是什么？ 720p 草稿模式：$0.09/秒，因此 5 秒片段为 $0.45。它能显示概念是否可行，但成片渲染会是另一个版本。

flux-3-video 会生成声音吗？ 会。开启 generate_audio: true 时，音轨会内嵌在返回的 .mp4 中。在本次测试中，在提示词中用单独的 Audio: 行描述声音，得到了匹配的环境音（咕嘟声、吸面声、雨声、交谈声）。

flux-3-video 片段可以多长？ 每次请求最长 20 秒。使用 start_video 续写，你可以分步延长，并在支付下一步之前批准每一步。

续写会返回完整的拼接视频吗？ 不会。在本次测试中，它只返回新增的 5 秒，从源片段的最后一帧开始。请自行拼接文件。

开始构建

打开 flux-3-video 模型页面 查看当前价格并使用演练场。然后用上面的批处理脚本草拟几个竖屏钩子，为可行的那些渲染成片，并延长最好的一个。