FLUX 3 API: 20-Second Video With Native Audio
FLUX 3 API 将 Black Forest Labs 的最新基础模型引入你的技术栈，这是一套统一的 Self-Flow 架构，联合训练于图像、视频和音频。一次生成最长 20 秒的片段，支持多语言对白、音效和环境声；也可以生成文字转图像内容，并实现准确的排版效果。Atlas Cloud 通过一个兼容 OpenAI 的密钥提供服务，按次调用按量付费，并支持 Day-0 访问。
FLUX 3 由 Black Forest Labs 开发。Atlas Cloud（由 Atlas Cloud AI LLC 运营）仅提供接入服务，并不拥有该模型。所有商标均归其各自所有者所有。
探索领先模型
Atlas Cloud 为您提供最新的行业领先创意模型。
按模态梳理每个 FLUX 3 API 端点
五个视频端点统一位于 FLUX 3 API 表层之下；下表展示了每个端点的输入、输出以及按秒计费的价格。
| 模态 | 描述 |
|---|---|
| FLUX 3 T2V API（文本转视频） | 文本提示词可生成 5 到 20 秒的视频片段，并且由于默认启用 generate_audio，音频会在同一次生成流程中一并生成。输出支持 720p 或 1080p，涵盖从 21:9 到 9:16 的七种固定宽高比，另有 auto 选项；seed 值可让任意结果复现。价格为每秒生成视频 $0.17。 |
| FLUX 3 I2V API（图像转视频） | 提供单张 PNG、JPEG 或 WebP 图像，模型会从该帧开始向前生成动画，并根据提示词确定运动和节奏。时长可在 5 到 20 秒之间任意选择，适合基于你已有素材制作产品展示、角色开场和社交媒体短剪。计费为每秒生成视频 $0.17。 |
| FLUX 3 Keyframes API（关键帧转视频） | 当镜头需要精准命中特定节拍时，最多可将 10 张关键帧图像固定到 24 fps 时间线上的确切帧位置。每个 frame_index 必须位于 duration 乘以 24 的范围内，让分镜和 previz 团队能直接控制画面出现的内容和时间。费率与其他生成端点一致，为每秒生成视频 $0.17。 |
| FLUX 3 FLF API（首尾帧转视频） | 需要让片段落在精确的结尾画面上？传入 start_image_url 和 end_image_url 即可锁定镜头两端，由模型补全其中的运动过程。Logo 展示、变形序列，以及必须与前后素材匹配的场景衔接都适用于此端点，价格为每秒生成视频 $0.17。 |
| FLUX 3 Extend API（视频扩展） | 此端点可让现有素材继续推进叙事：传入小于 50 MB 且短于 15 秒的 MP4，模型会根据提示词从其最后几帧继续生成。音频会随画面同步继续生成，并且同样适用 720p 或 1080p 输出以及 5 到 20 秒的时长范围。扩展功能的价格为每秒生成视频 $0.41。 |
在一次 FLUX 3 API 调用中生成视频、音频与导演指令
FLUX 3 API 由 Black Forest Labs 基于统一的多模态骨干构建，可在同一次生成过程中返回最长 20 秒的 HD 或 Full HD 视频，并同步生成对白、音效与环境声；同时还能按需控制镜头、关键帧、语言和画面文字。
一次生成，输出 20 秒画面与声音
单次调用即可返回 5 到 20 秒视频，音频在同一流程中生成，而不是事后配音。对白、音效和环境声会精准落在事件发生的对应帧上，输出支持 720p HD 或 1080p Full HD。正是这种时序同步，让炒锅起火或摔门声看起来像是真实拍摄，而不是后期拼接。
一次生成内完成场景与机位切换
只要提出剪切需求，模型就会按要求完成。场景和摄像机角度可在同一次生成中变化，同时同一角色、服装和灯光逻辑会贯穿每个镜头。更长的作品可通过 agentic clip chaining 实现，将多个独立生成片段连接成持续数分钟的序列。过去需要四次渲染再交给剪辑师处理的分镜，现在可以直接返回为一段连续成片。
接入 FLUX 3 API 的五种方式
仅文本、单张静帧、首尾帧组合、沿时间轴放置的关键帧，或用于续写的现有片段：这五种入口全部支持。关键帧用于锁定发生的内容与时间点，续写则可从你已有的素材继续生成。拥有品牌静帧或半成品剪辑的工作室，可以直接从这些资产开始，而不必从零描述每个镜头。
支持 13 种语言且口型精准的对白
原生对白覆盖英语方言、中文、西班牙语、法语、德语、日语、葡萄牙语、俄语、意大利语、印尼语、土耳其语、印地语、旁遮普语等，并可根据你指定的语言匹配口型。排版文字也会作为场景的一部分渲染，因此标牌和标题会直接出现在画面中，而不是后期合成。这样，一个 prompt 就能交付一条本地化广告片，并且画面文字已就位。
通过一个 Atlas Cloud Key 调用 FLUX 3 API
Atlas Cloud 通过同一个统一 endpoint 提供 FLUX 3，并与其余模型目录共用入口，因此一个 key 就能访问视频、图像和语言模型，无需第二套集成。计费采用按用量付费，无订阅费、无席位费，你只为实际运行的生成任务付费。切换模型只需改一个字符串。今天就开始构建。
一个提示词，三个模型：FLUX 3 API 并排对比
下面每一行都会将同一个提示词分别通过 FLUX 3 API 以及 Atlas Cloud 上的另外两个视频模型运行，因此可以基于同一份简述来评估运动连续性、镜头切换和原生音频，而不是依赖精挑细选的演示。
电影感真人实拍，夜晚被雨水浸亮的东京后街。一只穿着迷你黄色雨衣的柴犬踩着滑板沿小巷滑行，在水洼和蒸汽口之间穿梭。开场为低机位跟拍镜头，贴近湿漉漉的路面，从滑板后方掠过，霓虹倒影飞速划过。狗撞到一摞纸灯笼，灯笼飞散到空中，随后一个快速甩镜跟随其中一盏旋转的灯笼，朝拉面摊翻滚而去。切到无人机镜头向上并后拉，同时柴犬一爪猛按地面，将滑板旋转至急停，并对着大笑的拉面师傅吠叫一声；师傅弹出一片叉烧，狗在半空中接住。温暖的摊位灯光对比冷色霓虹，水花被逆光照亮。音频：嘶嘶作响的雨声、聚氨酯滑板轮碾过石面的隆隆声、炒锅滋滋作响、一声尖锐犬吠、头顶某处驶过的列车声。16:9 宽高比。
Generated with BLACKFORESTLABS FLUX 3 on Atlas Cloud
Generated with Veo3.1 on Atlas Cloud
Generated with Kling v3.0 on Atlas Cloud
手绘动画风格，明亮正午，无尽云海上空。一名少女空中渔手站在木制飞艇甲板上稳住身形，将长长的钓线抛入云海。开场为第一人称视角，从栏杆上方看去，钓线呼啸甩出并消失在白茫茫之中。鱼竿猛然绷紧，镜头切换为围绕甲板的快速环绕拍摄；她被拖着横穿木板，绳索在手套间摩擦冒烟，一只靴子勾住一圈索具。她一脚踏上栏杆向后猛拉，正当此时，一条鲸鱼般巨大的锦鲤从她身后的云层中破出，鳞片将彩虹般的光洒满船帆。结尾为低机位英雄镜头，船员们爆发出欢呼，云雾水花飘过画面。绘画感赛璐璐着色，温暖轮廓光，可见笔触纹理。音频：呼啸的风声、吱呀作响的绳索、逐渐高涨的管弦乐、一声深沉如水的破云轰鸣。16:9 宽高比。
Generated with BLACKFORESTLABS FLUX 3 on Atlas Cloud
Generated with Seedance 2.0 on Atlas Cloud
Generated with Kling v3.0 on Atlas Cloud
团队如何将 FLUX 3 API 用于实际生产
无论是带原生音频、时长二十秒的社交短片，带关键帧的分镜脚本，本地化广告剪辑，还是最终渲染前的快速草稿迭代，FLUX 3 API 都能在 Atlas Cloud 上以按量付费和 Day-0 访问的方式支持。
自带音轨的社交短片
只需一条文本提示，就能生成最长二十秒的视频，并同步生成语音、音效和环境音。社交团队无需单独做音频处理，就能拿到成片。
通过 FLUX 3 API 制作多镜头分镜
有序关键帧让 FLUX 3 API 能在一次生成中推动场景经历预设的各个瞬间，切换镜头角度和场景设定。分镜师可以在正式拍摄排期前预览完整序列。
画面内的排版与文字
生成场景中的排版表现准确，多语言文字处理也比早期 FLUX 版本更进一步。包装样机、标题卡和本地化横幅都能通过一次调用直接产出，随时可审阅。
使用 FLUX 3 API 制作本地化广告剪辑
需要同一支广告覆盖六个市场？FLUX 3 API 会随视频生成同步的多语言对白，因此每个剪辑都自带本地化配音轨，无需单独录音棚配音。
现有素材的二次利用
现有素材可以被带入新场景、在匹配音频的基础上延长，或者在保留核心元素不变的情况下重新构造。代理商不用再另起一场拍摄，就能让旧的活动资产焕发新生。
FLUX 3 API 上的低成本草稿迭代
草稿模式会以更低成本快速返回 HD 预览，获批镜头则可通过 FLUX 3 API 再次渲染为 HD 或 FHD。即使一个概念要反复打磨二十次，迭代成本也依然可控。
FLUX 3 API 与 Atlas Cloud 上其他视频模型的并排对比
对比片段长度、输出分辨率、原生音频和每秒成本，了解 FLUX 3 API 在哪些方面更胜一筹，以及 Atlas Cloud 上的其他模型何时可能更适合你的流水线。
| 模型 | 最大片段长度 | 最大输出分辨率 | 原生音频 | 每秒价格 |
|---|---|---|---|---|
| FLUX 3 Video (Text-to-Video) | 20 s | FHD，每帧最高 2 MP | √ 对话、SFX、环境声 | $0.17 HD / $0.29 FHD |
| FLUX 3 Video (Video-to-Video) | 20 s | FHD，每帧最高 2 MP | √ 对话、SFX、环境声 | $0.41 HD / $0.53 FHD |
| Seedance 2.0 Text-to-Video | 15 s | 4K (3840 x 2160) | √ 默认开启 | $0.112 |
| Kling V3.0 Turbo Text-to-Video | 15 s | 1080p | √ 可选，默认关闭 | $0.112 |
| Wan-2.7 Text-to-video | 15 s | 1080p 原生，1440p-SR | √ SFX、音乐、环境声 | $0.10 |
| Veo3.1 Text-to-video | 8 s | 1080p | √ 同步音频 | $0.20 |
如何在 Atlas Cloud 上使用 FLUX 3
几分钟即可上手 — 按照以下简单步骤，通过 Atlas Cloud 平台集成和部署模型。
创建 Atlas Cloud 账户
在 atlascloud.ai 注册并完成验证。新用户可获得免费额度，用于探索平台和测试模型。
为何在 Atlas Cloud 使用 FLUX 3
将先进的 FLUX 3 模型与 Atlas Cloud 的 GPU 加速平台相结合，提供无与伦比的性能、可扩展性和开发体验。
性能与灵活性
低延迟：
GPU 优化推理，实现实时响应。
统一 API：
一次集成，畅用 FLUX 3、GPT、Gemini 和 DeepSeek。
透明定价：
按 Token 计费，支持 Serverless 模式。
企业与规模
开发者体验：
SDK、数据分析、微调工具和模板一应俱全。
可靠性：
99.99% 可用性、RBAC 权限控制、合规日志。
安全与合规：
SOC 2 Type II 认证、HIPAA 合规、美国数据主权。
面向开发者的 FLUX 3 API 常见问题解答
FLUX 3 是 Black Forest Labs 的多模态基础模型，并非由多个独立系统拼接而成，而是在图像、视频、音频和动作预测上进行联合训练。FLUX 3 API 通过 Atlas Cloud 暴露该模型，因此一次请求即可返回带同步音频的视频。一个 OpenAI 兼容密钥即可访问目录中的所有其他模型，并按使用量计费。
目前已正式可用的能力是视频生成，涵盖文本到视频、图像到视频、关键帧引导镜头，以及对现有片段的续写，每种方式都可选择原生音频。Black Forest Labs 正在分阶段发布这一模型家族，因此 FLUX 3 Image 和 FLUX 3 Action 会在视频端点之后推出，而不是与其同时发布。
创建账户，生成 API 密钥，然后将现有客户端指向 FLUX 3 API 端点即可。请求遵循 Atlas Cloud 目录中通用的 OpenAI 兼容模式，因此无需学习单独的 SDK，也不用日后再处理供应商锁定问题。计费按生成量即用即付，无需先订阅。今天就开始构建。
会，而且音频是在同一次生成过程中完成的，而不是通过第二个模型生成，这能让对白、音效和环境声与画面保持对齐。FLUX 3 支持十多种语言的语音口型同步，包括 English、Chinese、Spanish、Japanese 和 Hindi。当你只需要无声素材时，也可以在每次请求中关闭音频。
生成时长为 5 到 20 秒，输出为 HD 720p；当细节比成本更重要时，也可使用 Full HD 1080p。宽屏、方形和竖屏构图均受支持，因此同一个提示词既可以用于落地页首屏，也可以用于移动端信息流。较长的故事更适合由多个受控片段组合完成，而不是一次提交过大的请求。
提供一张起始图像，模型就能将其动画化；如果镜头必须按指定顺序命中特定时刻，也可以固定关键帧。现有视频素材也可以继续生成，并从输入片段的末尾延续运动和构图。请谨慎串联多次续写，因为每次扩展都会基于上一次结果继续生成，视觉一致性会逐渐漂移。
Draft 模式会返回成本更低的 HD 预览，方便在支付最终渲染费用前评估构图、节奏和音频。你可以先在该模式下迭代提示词，然后用胜出的提示词以标准 HD 或 Full HD 重新运行，无需更改请求结构。需要交付大量变体的团队最能从这一流程中获益。
视频按输出秒数计费，因此短片段的成本只是长片段的一小部分，你只需为实际生成的内容付费。分辨率决定费率，Full HD 高于标准 HD，Draft 模式则低于二者。Atlas Cloud 不额外收取订阅费、席位费或最低消费。今天就开始使用。
还没有。FLUX 3 Video 是该家族中已发布的部分，FLUX 3 Image 正在分阶段推出，开放权重的 FLUX 3 Dev 变体也已宣布将在后续发布。Atlas Cloud 会在每个新的 FLUX 3 端点发布时加入支持，因此图像生成上线后，同一个密钥仍可继续使用。
联合模型省去了拼接步骤：不需要第二轮处理来让声音与口型对齐，也不需要在成片下方再叠加环境声。这一点在对白场景中尤其重要，因为音轨之间的漂移会立刻被观众察觉。流水线从多个服务缩减为一次调用，也意味着需要监控的故障点更少。
探索更多系列
Seedance 2.5
Seedance 2.5 API 为开发者提供了 ByteDance Seed 的音视频联合模型，可通过文本、首帧或最多 50 个图像、视频和音频参考，一次性生成 4 到 30 秒的内容。它支持编辑选定区域、扩展剪辑，并遵循白模和绿幕输入。美国授权经销商 Atlas Cloud 增加了 480p 草稿模式、原生 1080p 成片以及增强的 4K 交付功能，并采用按需付费的定价模式。
Kling 4.0
Kling 4 API 提供了 Kuaishou 于 2026 年 10 月 15 日发布的视频模型 Kling 4.0。它单次生成长达 30 秒的视频，支持最多 10 个关键帧，通过 Omni Reference 融合 15 张图像、视频和主体，并添加带有唇形同步的立体声音频。Atlas Cloud 提供所有四个端点（包括视频编辑），使用单个 OpenAI 兼容密钥，价格为每秒 0.11 美元起。今天就开始构建吧。
Seedream 5.5
Seedream 5.5 是 ByteDance Seed 推出的图像生成与编辑产品系列。您最多可使用 10 张参考图来引导编辑，或将图像拆分为基础图层及最多 99 个可编辑图层，并可对文本图层进行可选的 OCR 处理。在 Atlas Cloud 上，生成、编辑和图层分解的费用均为每张图像 0.02 美元，助力开发者规划图像工作流预算。立即开始构建吧。
Kling 4.0 Flash
Kling 4.0 Flash API 为开发者提供了快手 Kling 4.0 视频模型的快速、低成本版本。它能以四种宽高比生成 3 到 20 秒的 720p 视频剪辑，通过 Omni Reference 支持跨图像、视频和 Kling 元素的最多 15 个参考源，并能通过文本编辑现有素材同时生成原生音频。Atlas Cloud 通过一个密钥提供所有四个端点的服务，价格低至每秒 0.0571 美元，且失败的请求不收费。
Wan 3.0
Wan 3.0 是阿里巴巴最新的视频模型，单次生成可输出长达30秒、带音频的 1080p 30fps 视频。您可以通过文本提示、首帧图像、最多10张参考图像或文档对其进行控制。Standard 版本的每秒成本更低，而 Prime 版本保留了相同的功能且返回结果的速度更快。两者均运行在与 Wan 2.7、2.6 和 2.5 相同的 Atlas Cloud 密钥上。
GPT Image 2.6
GPT Image 2.6 API 为开发者提供了 OpenAI 于 2026 年 11 月 4 日发布的图像模型，包含两个版本：用于快速迭代的 Flare 和用于精细视觉工作的 Sunburst。其图像生成速度比以往提升了 50%，并新增了 GIF 动图输出、SVG 导出、针对圈选区域的标记编辑以及复杂度设置功能。Atlas Cloud 通过一个兼容 OpenAI 的密钥提供这两个模型，并采用按量付费模式。
MiniMax H3
MiniMax H3 是 MiniMax 的多模态视频系列，支持文本、图像和参考内容引导创作。在支持的路由中，它能够保留参考媒体中的主体，提供灵活的宽高比，并通过 H3 Developer 将生成的声音与画面结合；输出配置则由 endpoint 选择。Atlas Cloud 通过一个 OpenAI 兼容密钥统一接入整个系列，并提供透明的按量付费定价，标准费率为每秒 $0.038。立即开始构建。
GPT Image 2.5
GPT Image 2.5 是 OpenAI 的图像生成与编辑模型，于 2026 年 9 月 8 日发布，提供两个 API 版本。Flare 为默认版本，延迟较 GPT Image 2 降低高达 50%；Sunburst 虽然处理时间较长，但能提供更精细的细节编辑控制。两者均支持最多 16 张参考图像、五个质量等级、透明背景以及最高 3840px 的自定义尺寸。Atlas Cloud 提供 GPT Image 2.5 API 服务，计费方式采用 OpenAI 的按 Token 费率，或按 1K、2K、4K 质量等级的单张固定价格。
Seedream 5.0 Pro
Seedream 5.0 Pro API 为开发者在 Atlas Cloud 上提供了字节跳动的可控图像编辑模型。它通过锚点和坐标精确定位编辑，将图像分离为可编辑图层，融合多个参考，并精准匹配颜色和材质，支持 2K 和 3K 分辨率的多语言文本。在 Atlas Cloud 上，您只需一个密钥即可访问！
Seedance 2.0
Seedance 2.0 是 ByteDance 面向生产环境的视频模型，专用于精准镜头创作。将提示词转换为视频，使用首帧图像生成动画并可选用尾帧引导，或结合参考媒体和可选的联网搜索来塑造结果。Atlas Cloud 将这些工作流整合到统一的 API 中，提供透明的按量付费定价和一个兼容 OpenAI 的密钥。立即开始构建。
Gemini Omni 1.2 Flash
Gemini Omni 1.2 Flash 是 Google DeepMind 的多模态视频模型。更换产品、替换背景或调整光线，同时保留原有表演和镜头运动。通过连续编辑优化片段，再将选定结果提升至 4K，用于产品视频和广告宣传。Atlas Cloud 的视频编辑标准价格为每秒 $0.028。立即开始创作。
Kling V3.0
来自快手的 Kling V3 API 系列支持文本、图像和参考视频工作流。迁移动作的同时保留角色身份，使用视觉参考引导生成，并通过自然语言指令编辑视频。Atlas Cloud 提供 Standard 和 Pro 端点，满足不同的生产需求。更新：Kling V4 现已在 Atlas Cloud 上线。前往 [Kling V4](https://www.atlascloud.ai/zh/models/kling-v4) 页面了解详情。
