FLUX 3 API: 20-Second Video With Native Audio

FLUX 3 は Black Forest Labs のマルチモーダル基盤モデルです。別々のシステムをつなぎ合わせるのではなく、画像、動画、音声、アクション予測を横断して共同学習されています。FLUX 3 API は Atlas Cloud 経由でこのモデルを提供するため、1 回のリクエストで同期された音声付き動画を返せます。OpenAI互換の 1 つのキーで、カタログ内の他のすべてのモデルとあわせて利用でき、使用量に応じて課金されます。

一般提供されている機能は動画です。テキストから動画、画像から動画、キーフレームでガイドするショット、既存クリップの継続生成に対応し、それぞれネイティブ音声を任意で付けられます。Black Forest Labs はこのファミリーを段階的にリリースしているため、FLUX 3 Image と FLUX 3 Action は動画エンドポイントと同時ではなく、その後に提供されます。

アカウントを作成し、API キーを生成して、既存のクライアントを FLUX 3 API エンドポイントに向けるだけです。リクエストは Atlas Cloud カタログ全体で使われている OpenAI互換のパターンに従うため、新しい SDK を覚える必要はなく、後からベンダーロックインを解消する手間もありません。課金は生成ごとの従量課金で、最初にサブスクリプション契約を結ぶ必要はありません。今すぐ開発を始められます。

はい。しかも 2 つ目のモデルを通すのではなく、同じ生成パス内で行われるため、会話、効果音、環境音を映像に合わせたまま保てます。FLUX 3 は英語、中国語、スペイン語、日本語、ヒンディー語など、12 を超える言語でリップシンク付きの音声を扱えます。無音の映像だけが必要な場合は、リクエストごとに音声をオフにできます。

生成は 5〜20 秒に対応し、出力は HD 720p、コストよりディテールを重視する場合は Full HD 1080p も利用できます。ワイド、正方形、縦型のフレーミングにすべて対応しているため、同じプロンプトをランディングページのヒーロー動画にもモバイルフィードにも向けられます。長いストーリーは、過大な 1 回のリクエストではなく、制御しやすい複数のクリップを組み合わせて構成するのが最適です。

開始画像を指定すればモデルがそれをアニメーション化できます。また、ショットで特定の瞬間を決まった順序で押さえる必要がある場合は、キーフレームを固定できます。既存の映像を継続生成することもでき、入力クリップ末尾の動きやフレーミングを引き継げます。ただし、延長を重ねるたびに前の結果を土台にするため、視覚的な一貫性は徐々にずれていきます。継続生成の連鎖は控えめに使ってください。

Draft mode は低コストの HD プレビューを返すため、最終レンダリングに支払う前に構図、テンポ、音声を確認できます。まずここでプロンプトを反復し、最も良いプロンプトをリクエスト構造を変えずに standard HD または Full HD で再実行します。多くのバリエーションを出荷するチームほど、このループから大きな価値を得られます。

動画は出力秒数ごとの課金です。そのため短いクリップは長いクリップの数分の一のコストで済み、実際に生成した分だけ支払います。料金は解像度によって決まり、Full HD は standard HD より高く、Draft mode はそのどちらよりも低くなります。Atlas Cloud では、追加のサブスクリプション、シート料金、最低利用額はありません。今日から始められます。

まだです。FLUX 3 Video がこのファミリーでリリース済みの部分で、FLUX 3 Image は段階的ロールアウト中です。また、オープンウェイトの FLUX 3 Dev バリアントは後日提供予定として発表されています。Atlas Cloud は新しい FLUX 3 エンドポイントがリリースされ次第追加するため、画像生成が利用可能になっても同じキーをそのまま使えます。

共同モデルにより、つなぎ合わせの工程が不要になります。口の動きに声のタイミングを合わせるための 2 回目の処理や、完成したカットの下に環境音を重ねる作業は必要ありません。これは会話シーンで特に重要です。トラック間のずれは視聴者にすぐ見えてしまうからです。パイプラインは複数サービスから 1 回の呼び出しに縮小され、監視すべき障害点も少なくなります。