FLUX 3 API: 20-Second Video With Native Audio

FLUX 3 to multimodalny model bazowy Black Forest Labs, trenowany wspólnie na obrazach, wideo, audio i predykcji akcji, zamiast składany z osobnych systemów. FLUX 3 API udostępnia ten model przez Atlas Cloud, dzięki czemu jedno żądanie zwraca wideo z zsynchronizowanym dźwiękiem. Jeden klucz zgodny z OpenAI obejmuje go razem ze wszystkimi pozostałymi modelami w katalogu, z rozliczeniem za użycie.

Ogólnie dostępna jest funkcja wideo, obejmująca text to video, image to video, ujęcia prowadzone klatkami kluczowymi oraz kontynuację istniejącego klipu — w każdym przypadku z opcjonalnym natywnym audio. Black Forest Labs udostępnia tę rodzinę etapami, więc FLUX 3 Image i FLUX 3 Action pojawią się po endpointach wideo, a nie równolegle z nimi.

Utwórz konto, wygeneruj klucz API i skieruj swojego obecnego klienta na endpoint FLUX 3 API. Żądania używają tego samego wzorca zgodnego z OpenAI, który obowiązuje w całym katalogu Atlas Cloud, więc nie musisz uczyć się osobnego SDK ani później odkręcać uzależnienia od dostawcy. Rozliczenie działa w modelu pay-as-you-go za generację, bez konieczności wcześniejszego wykupienia subskrypcji. Zacznij budować już dziś.

Tak, i odbywa się to w tym samym przebiegu generowania, a nie przez drugi model, dzięki czemu dialogi, efekty dźwiękowe i tło pozostają zsynchronizowane z obrazem. FLUX 3 obsługuje mowę z lip sync w ponad tuzinie języków, w tym po angielsku, chińsku, hiszpańsku, japońsku i hindi. Audio można wyłączyć dla pojedynczego żądania, gdy potrzebujesz tylko niemego materiału.

Generacje trwają od 5 do 20 sekund, z wyjściem w HD 720p oraz opcją Full HD 1080p, gdy szczegółowość jest ważniejsza niż koszt. Obsługiwane są kadry panoramiczne, kwadratowe i pionowe, więc ten sam prompt można wykorzystać zarówno do hero na landing page, jak i do feedu mobilnego. Dłuższe historie najlepiej budować z kilku kontrolowanych klipów, zamiast z jednego zbyt dużego żądania.

Przekaż obraz startowy, a model go zanimuje, albo przypnij klatki kluczowe, gdy ujęcie musi trafić w konkretne momenty w ustalonej kolejności. Można też kontynuować istniejący materiał, przenosząc ruch i kadrowanie z końcówki klipu wejściowego. Kontynuacje łącz oszczędnie, ponieważ spójność wizualna z czasem się rozjeżdża, gdy każde przedłużenie opiera się na poprzednim.

Tryb Draft zwraca tańszy podgląd HD, aby ocenić kompozycję, tempo i audio, zanim zapłacisz za finalny render. Iteruj tam prompty, a następnie uruchom zwycięski prompt ponownie w standardowym HD albo Full HD bez zmiany struktury żądania. Zespoły dostarczające wiele wariantów zyskują na tej pętli najwięcej.

Wideo jest rozliczane za sekundę wyjścia, więc krótki klip kosztuje ułamek ceny długiego, a płacisz tylko za to, co faktycznie wygenerujesz. Stawkę określa rozdzielczość: Full HD jest droższe niż standardowe HD, a tryb Draft tańszy od obu. Atlas Cloud nie dolicza subskrypcji, opłat za stanowisko ani minimalnego poziomu wydatków. Zacznij już dziś.

Jeszcze nie. FLUX 3 Video to już udostępniona część rodziny, natomiast FLUX 3 Image jest wdrażany etapami, a wariant FLUX 3 Dev z otwartymi wagami zapowiedziano na później. Atlas Cloud dodaje każdy nowy endpoint FLUX 3, gdy tylko zostaje wydany, więc ten sam klucz będzie nadal działał, gdy pojawi się generowanie obrazów.

Model wspólny usuwa etap sklejania: nie ma drugiego przebiegu do dopasowania głosu do ruchu ust ani nakładania tła dźwiękowego pod gotowy montaż. Ma to największe znaczenie w scenach dialogowych, gdzie rozjazd między ścieżkami jest od razu widoczny dla widzów. Pipeline kurczy się z kilku usług do jednego wywołania, czyli jest mniej punktów awarii do monitorowania.