FLUX 3 Max Image to Video API

blackforestlabs/flux-3-max/image-to-video
720p / 1080p · 5–20 sec

FLUX 3 Max Image to Video 将起始图片转化为 5–20 秒、720p 或 1080p 的带原生音频视频,并可落到你提供的第二张结束帧。它保留图片的构图、主体与色调,同时加入提示词描述的动作和声音。

输入
394

拖拽文件、粘贴剪贴板素材,或输入 URL。 必填。按顺序添加 1–2 张 JPEG、PNG 或 WebP:先起始帧,再添加可选的结束帧。

2/2 个素材

输出示例
6 秒 × $0.170/秒 = $1.020
继续使用

FLUX 3 Max Image to Video

FLUX 3 Max 由 fal 与 Black Forest Labs 在 FLUX 3 视频底座上后训练,Image to Video 把你的图片作为视频开场帧。再加入第二张图片,模型会规划两帧之间的运动,让揭示、变化和产品转场更可控。输出 5–20 秒、720p 或 1080p,带音轨,auto 画幅跟随起始图片。

为什么选择 FLUX 3 Max Image to Video API?

  • 一个字段完成首尾帧控制发送一张图片让它动起来,或发送两张来确定镜头的起点和终点。

  • 画幅跟随图片aspect_ratio 设为 auto 时,输出与起始图片比例一致,为平台准备的版式保持不变。

  • 与动作匹配的声音音频与画面同步生成,提示词中描述的倒水声、脚步声或环境声会同步出现。

  • 与文生视频同价图片输入不加价:720p 每秒 34 点数,1080p 每秒 58 点数。

参数说明

参数要求说明
prompt必填

描述主体、动作、运镜、光线以及希望出现的声音。首尾空白会被去除,去除后不能为空。

默认值—
image_urls必填

1–2 个公开 HTTP(S) 图片 URL。第一张为起始帧;可选的第二张为视频最终落到的结束帧。

默认值—
duration可选

输出时长,5–20 秒的整数。

默认值5
resolution可选

720p 或 1080p,分辨率决定每秒费率。

默认值720p
aspect_ratio可选

auto、21:9、2:1、16:9、4:3、1:1、3:4 或 9:16。auto 跟随起始图片的比例。

默认值auto
sound可选

在同一次生成中输出原生音轨;设为 false 得到无声画面,价格不变。

默认值true

使用方法

  1. 准备帧图片准备清晰的起始图片;需要固定落点时,再准备一张构图一致的结束图片。

  2. 描述变化过程写出从第一张到第二张图片的动作与运镜,以及其中的声音。

  3. 设置时长与分辨率选择 5–20 秒与 720p 或 1080p;保持 aspect_ratio 为 auto 以跟随起始图片。

  4. 提交并获取视频按顺序提交 image_urls 与 prompt,再用 task_id 轮询或等待 callback_url 推送。

用量与计费

FLUX 3 Max Image to Video 按所选分辨率和输出秒数计费,输入图片与声音均不额外收费。

计费项目费率详情
720p34 credits / 秒$0.17 / 秒。5 秒视频 170 点数($0.85),20 秒 680 点数($3.40)。
1080p58 credits / 秒$0.29 / 秒。10 秒视频 580 点数($2.90),20 秒 1,160 点数($5.80)。

适用场景

  • 产品揭示用首尾帧从包装状态过渡到使用状态。

  • 让静态图动起来为摄影作品和主视觉加入流动光线、蒸汽或缓慢推镜。

  • 前后对比转场展示房间、服装或风景从一种状态变为另一种状态。

  • 分镜帧动画在保留构图的前提下,让已确认的分镜画面动起来。

实用技巧

  • 首尾两张图片的机位尽量接近,让模型在两者之间有清晰的过渡路径。
  • 描述两帧之间发生的变化,而不是重复图片中已有的内容。
  • 单次变化建议 6–10 秒;更长时长适合缓慢、连续的运动。
  • 上传 JPEG、PNG 或 WebP 图片;公开 URL 需无需登录即可访问。

注意事项

  • image_urls 按顺序接收 1–2 个公开 HTTP(S) URL:先起始帧,再可选的结束帧。
  • auto 时输出跟随起始图片比例;如需特定格式,可选择固定比例。
  • 费用为 duration × 分辨率费率,提交任务时预扣。

相关模型

FLUX 3 Max Image to Video API 常见问题

FLUX 3 Max Image to Video API 是什么?

FLUX 3 Max Image to Video 是 fal 与 Black Forest Labs 合作推出、用于让静态图片动起来的视频模型。它将起始图片(以及可选的结束图片)转化为 5–20 秒、720p 或 1080p 的带原生音频视频。模型基于 FLUX 3 视频底座,保留画面中的主体、构图与色调,同时加入你描述的动作和声音。你可以通过 API 进行程序化调用,也可以在上方体验区直接在线试用。

FLUX 3 Max Image to Video 的首尾帧如何使用?

把 URL 按顺序放入 image_urls。第一张作为视频开场;第二张作为视频结束时的画面,提示词描述两者之间的运动。

FLUX 3 Max Image to Video 输出什么画幅?

aspect_ratio 为 auto 时输出跟随起始图片;也可选择 21:9、2:1、16:9、4:3、1:1、3:4 或 9:16 以匹配特定格式。

FLUX 3 Max Image to Video 支持哪些图片文件?

使用指向 PNG、JPEG 或 WebP 图片的公开 HTTP(S) URL。体验区可上传不超过 30 MB 的本地文件并自动填入 URL。

FLUX 3 Max Image to Video 会为图片配上声音吗?

会。sound 默认为 true,模型会生成与动作及提示词中声音描述一致的音频。设为 false 可得到无声视频,价格不变。

FLUX 3 Max Image to Video 如何计费?

720p 每输出秒 34 点数($0.17),1080p 每秒 58 点数($0.29)。带首尾帧的 6 秒 720p 视频为 204 点数。

什么时候该用 FLUX 3 Max Keyframes to Video 而不是 Image to Video?

Image to Video 固定首帧及可选的尾帧。需要三张以上图片,或要把图片固定在视频中间的特定时刻时,请使用 Keyframes to Video。