FLUX 3 API: 20-Second Video With Native Audio

FLUX 3 è il modello di base multimodale di Black Forest Labs, addestrato congiuntamente su immagini, video, audio e previsione delle azioni invece di essere assemblato da sistemi separati. L’API FLUX 3 espone quel modello tramite Atlas Cloud, così una singola richiesta restituisce video con audio sincronizzato. Un’unica chiave OpenAI-compatible lo copre insieme a tutti gli altri modelli del catalogo, con fatturazione a consumo.

Il video è la capacità generalmente disponibile e copre da testo a video, da immagine a video, riprese guidate da keyframe e la continuazione di una clip esistente, ciascuna con audio nativo opzionale. Black Forest Labs sta rilasciando la famiglia a fasi, quindi FLUX 3 Image e FLUX 3 Action seguono gli endpoint video invece di arrivare insieme a essi.

Crea un account, genera una chiave API e punta il client che già utilizzi all’endpoint dell’API FLUX 3. Le richieste seguono lo stesso schema OpenAI-compatible usato in tutto il catalogo Atlas Cloud, quindi non c’è un SDK separato da imparare né un vendor lock-in da sciogliere in seguito. La fatturazione è pay-as-you-go per ogni generazione, senza dover prima sottoscrivere un abbonamento. Inizia a costruire oggi stesso.

Sì, e avviene nello stesso passaggio di generazione invece che tramite un secondo modello, così dialoghi, effetti sonori e atmosfera restano allineati all’immagine. FLUX 3 gestisce il parlato con sincronizzazione labiale in oltre una dozzina di lingue, tra cui italiano, cinese, spagnolo, giapponese e hindi. L’audio può essere disattivato per singola richiesta quando ti serve solo un filmato silenzioso.

Le generazioni vanno da 5 a 20 secondi, con output in HD 720p e Full HD 1080p disponibile quando il dettaglio conta più del costo. Sono supportati formati panoramico, quadrato e verticale, quindi lo stesso prompt può essere usato per l’hero di una landing page o per un feed mobile. Le storie più lunghe si costruiscono meglio con diverse clip controllate invece che con una singola richiesta troppo grande.

Fornisci un’immagine iniziale e il modello la anima, oppure fissa dei keyframe quando una ripresa deve centrare momenti specifici in un ordine prestabilito. Si può anche continuare un filmato esistente, mantenendo movimento e inquadratura dalla coda della clip di input. Collega le continuazioni con parsimonia, perché la coerenza visiva tende a scivolare man mano che ogni estensione si basa sulla precedente.

La modalità Draft restituisce un’anteprima HD a costo inferiore, così composizione, ritmo e audio possono essere valutati prima di pagare il rendering finale. Itera sui prompt lì, poi riesegui il prompt vincente in HD standard o Full HD senza cambiare la struttura della richiesta. I team che rilasciano molte varianti traggono il massimo valore da questo ciclo.

Il video viene fatturato al secondo di output, quindi una clip breve costa una frazione di una lunga e paghi solo per ciò che generi davvero. La risoluzione determina la tariffa, con Full HD sopra l’HD standard e la modalità Draft al di sotto di entrambe. Atlas Cloud non aggiunge abbonamenti, fee per postazione né spesa minima. Inizia oggi.

Non ancora. FLUX 3 Video è il componente della famiglia già rilasciato, mentre FLUX 3 Image è in rollout graduale e una variante open weights FLUX 3 Dev è stata annunciata per più avanti. Atlas Cloud aggiunge ogni nuovo endpoint FLUX 3 man mano che viene rilasciato, così la stessa chiave continua a funzionare quando arriva la generazione di immagini.

Un modello congiunto elimina la fase di assemblaggio: non serve un secondo passaggio per sincronizzare la voce con il movimento delle labbra o per sovrapporre l’atmosfera al montaggio finale. Questo conta soprattutto nelle scene dialogate, dove lo scostamento tra le tracce è subito visibile agli spettatori. Le pipeline passano da diversi servizi a una sola chiamata, quindi ci sono meno punti di guasto da monitorare.