FLUX 3 API: 20-Second Video With Native Audio

FLUX 3 là mô hình nền tảng đa phương thức của Black Forest Labs, được huấn luyện chung trên hình ảnh, video, âm thanh và dự đoán hành động, thay vì ghép nối từ các hệ thống riêng lẻ. FLUX 3 API cung cấp mô hình đó thông qua Atlas Cloud, nên một yêu cầu duy nhất có thể trả về video kèm âm thanh được đồng bộ. Một khóa tương thích OpenAI bao phủ mô hình này cùng mọi mô hình khác trong danh mục, tính phí theo mức sử dụng.

Video là năng lực hiện đã được cung cấp rộng rãi, bao gồm text to video, image to video, các cảnh quay được dẫn hướng bằng keyframe và tiếp nối một clip hiện có, mỗi loại đều có thể tùy chọn âm thanh native. Black Forest Labs đang phát hành dòng mô hình này theo từng giai đoạn, vì vậy FLUX 3 Image và FLUX 3 Action sẽ ra mắt sau các endpoint video thay vì được phát hành cùng lúc.

Tạo tài khoản, tạo API key và trỏ client hiện có của bạn đến endpoint FLUX 3 API. Các yêu cầu tuân theo cùng mẫu tương thích OpenAI được dùng trong toàn bộ danh mục Atlas Cloud, nên bạn không cần học SDK riêng và cũng không bị khóa chặt vào một nhà cung cấp để rồi phải gỡ bỏ về sau. Việc tính phí theo hình thức pay-as-you-go cho từng lần tạo, không cần đăng ký gói thuê bao trước. Hãy bắt đầu xây dựng ngay hôm nay.

Có, và việc này diễn ra trong cùng một lượt tạo thay vì qua một mô hình thứ hai, giúp hội thoại, hiệu ứng âm thanh và âm nền khớp với hình ảnh. FLUX 3 xử lý giọng nói với lip sync trên hơn một chục ngôn ngữ, bao gồm English, Chinese, Spanish, Japanese và Hindi. Có thể tắt âm thanh theo từng yêu cầu khi bạn chỉ cần cảnh quay không tiếng.

Mỗi lần tạo có độ dài từ 5 đến 20 giây, xuất ở HD 720p, với Full HD 1080p khả dụng khi độ chi tiết quan trọng hơn chi phí. Các khung hình widescreen, square và vertical đều được hỗ trợ, nên cùng một prompt có thể dùng cho hero của landing page hoặc feed di động. Với câu chuyện dài hơn, tốt nhất nên xây dựng từ nhiều clip được kiểm soát thay vì một yêu cầu quá lớn.

Cung cấp một hình ảnh bắt đầu và mô hình sẽ tạo chuyển động cho hình đó, hoặc ghim keyframe khi cảnh quay cần đạt các khoảnh khắc cụ thể theo một thứ tự nhất định. Cảnh quay hiện có cũng có thể được tiếp nối, với chuyển động và khung hình được kế thừa từ phần cuối của clip đầu vào. Chỉ nên nối tiếp nhiều lần một cách tiết chế, vì độ nhất quán hình ảnh sẽ trôi dần khi mỗi phần mở rộng được xây trên phần trước đó.

Draft mode trả về bản xem trước HD với chi phí thấp hơn để bạn đánh giá bố cục, nhịp dựng và âm thanh trước khi trả phí cho bản render cuối. Hãy lặp lại prompt ở đó, rồi chạy lại prompt tốt nhất ở HD tiêu chuẩn hoặc Full HD mà không cần thay đổi cấu trúc yêu cầu. Các đội ngũ phát hành nhiều biến thể sẽ nhận được nhiều giá trị nhất từ vòng lặp này.

Video được tính phí theo từng giây đầu ra, vì vậy clip ngắn chỉ tốn một phần chi phí so với clip dài và bạn chỉ trả cho những gì thực sự tạo ra. Độ phân giải quyết định mức giá, trong đó Full HD cao hơn HD tiêu chuẩn và Draft mode thấp hơn cả hai. Atlas Cloud không cộng thêm phí thuê bao, phí theo chỗ ngồi hay mức chi tối thiểu. Hãy bắt đầu hôm nay.

Chưa. FLUX 3 Video là phần đã được phát hành của dòng mô hình này, trong khi FLUX 3 Image đang được triển khai theo giai đoạn và một biến thể open weights FLUX 3 Dev đã được công bố cho thời điểm sau. Atlas Cloud sẽ bổ sung từng endpoint FLUX 3 mới khi chúng được phát hành, nên cùng một khóa vẫn tiếp tục hoạt động khi tính năng tạo hình ảnh ra mắt.

Một mô hình chung loại bỏ bước ghép nối: không cần lượt xử lý thứ hai để căn giọng nói theo chuyển động miệng hoặc phủ âm nền lên một bản dựng đã hoàn tất. Điều này đặc biệt quan trọng với các cảnh hội thoại, nơi độ lệch giữa các track sẽ ngay lập tức bị người xem nhận ra. Pipeline được rút gọn từ nhiều dịch vụ xuống còn một lệnh gọi, nghĩa là có ít điểm lỗi cần giám sát hơn.