文生视频5s720pauto无音轨
日出时分，慢速航拍海浪
镜头贴着水面缓慢前移，涌浪朝光的方向推进，整段只有一种运动：海面本身的起伏。一句提示词就够，不需要任何参考素材。
提示词
a slow aerial shot of ocean waves at sunrise, photorealistic
日出时分，慢速航拍海浪，照片级写实。
用 FLUX 3 Max 文生视频 API 生成 5–20 秒、720p 或 1080p 视频，可选同步音频与八种画幅。查看示例、按秒价格和 POST /v1/tasks 调用代码。
提供商: Black Forest Labs
类型: 视频生成
接口: /v1/tasks
状态: 已开放
消耗: 查看页面实时价格
返回模型列表
FLUX 3 Max Text to Video
提供商 Black Forest Labs视频
FLUX 3 Max 文生视频，支持 5–20 秒、720p/1080p、8 种画幅，并可选择是否生成音频。
定价
标准用量
121 积分/ s
输入
0 / 6000
5 秒
5 秒按 1 秒调整20 秒
更多参数
生成设置
控制对提示词的理解与生成规划程度；复杂场景用 high，简单镜头可用 low
生成偏好
生成与画面匹配的声音；关闭后输出静音画面，开关不影响价格
预估费用608 积分121 积分 / s × 5s × 720p
输出
准备生成
配置参数并点击"运行"查看输出结果。
--
示例作品
三个镜头，三种用法
氛围镜头、工艺特写与商品棚拍，各自只用一段提示词完成，足以看出文字能调度多少镜头、光线与材质。
文生视频5s720pauto无音轨
玻璃匠吹制熔融的花瓶
昏暗工坊里火花四溅，玻璃匠转动熔融的玻璃，暖光在旋转的表面上流动。提示词要求镜头缓慢环绕，因此整段保持工艺短片的节奏，一镜到底。
提示词
A glassblower shapes a molten vase in a dim workshop; sparks arc through the air, warm light catches the swirling glass; slow circular camera move, cinematic.
昏暗工坊里，玻璃匠吹制一只熔融的花瓶；火花在空中飞溅，暖光落在旋转的玻璃上；镜头缓慢环绕，电影感。
文生视频5s720pauto无音轨
白色运动鞋在湿润黑色展台上旋转
完全由文字搭建的影棚商品镜头：运动鞋在黑色展台上缓慢旋转，柔光箱的光沿着鞋面移动，水珠在表面留下高光。干净背景把注意力留在产品上。
提示词
A single white sneaker rotates slowly on a wet black plinth, studio softbox lighting, water droplets on the surface, macro product shot, clean background.
一只白色运动鞋在湿润的黑色展台上缓慢旋转，影棚柔光箱布光，表面带着水珠，微距商品镜头，干净背景。
它擅长什么
只用文字能导演什么
文字同时决定三件事：什么在动、镜头怎么走、光线落在哪里。每一项都可以直接写进提示词。
01
在运动表面上控制镜头
海面提示词只要求慢速航拍。镜头保持稳定高度，涌浪在画面下方翻滚，适合建立镜头、片头底片和安静的品牌开场。把镜头速度与方向写清楚；只写“电影感”会把太多决定留给模型。
02
暖光、火花与流动的玻璃
昏暗工坊是难处理的布光场景：主体很亮、环境很暗，还有火花穿过画面。视频保住了玻璃上的暖色高光与可辨认的火花，背景也没有过曝。写清光源位置和它与主体的亮度关系，这种反差就能稳住。
03
干净背景下的商品微距
运动鞋示例使用湿润展台、柔光箱和微距构图。黑色背景上的白色单品几乎没有容错空间，任何结构错误或闪烁都会立刻暴露。缓慢旋转与稳定高光让这条视频可以直接做商品循环，同样的提示词结构也适用于鞋、瓶或小设备。
04
一条提示词，八种画幅
文生视频不依赖源图，画幅可以自由选择：21:9 适合宽银幕片头，16:9 适合网页与演示，9:16 适合短视频信息流，另有 2:1、4:3、1:1 和 3:4。先用 720p 出草稿确认构图，剪辑锁定后再切到 1080p。
05
可选的生成音频
generate_audio 会随画面一起生成声音。需要完整成片时开启；准备在后期加入配乐、旁白或音效时关闭，画面也更容易单独判断。开关不影响按秒价格。
工作方式
从一句话到成片
流程刻意保持简短：写、生成、检查。草稿尽量便宜，先对照提示词确认，再把额外时长和分辨率花在真正值得的版本上。
1. 按时间顺序写镜头
先写主体与场景，再写主要动作、镜头运动和光线。一条视频只安排一个清晰动作，比堆叠多个事件更稳。镜头要固定就写明固定；要环绕或推近，就写清方向与速度。
2. 选择时长、分辨率与画幅
先用 5 秒、720p。确认动作与构图后，再延长到最多 20 秒或提高到 1080p。画幅按投放位置决定，而不是按习惯：信息流用 9:16，网站用 16:9，宽银幕用 21:9。
3. 提交并取回结果
把请求发到 POST /v1/tasks 并保存 taskId。生产任务用 callback.url 接收结果，测试时轮询 GET /v1/tasks/:id。失败任务不扣费，因此被拒绝的请求损失的是时间而不是额度。
提示词指南
让文生视频更可控的六个习惯
这些是写作习惯，不是神秘关键词。它们减少歧义，也让你更容易判断一次不理想的结果来自提示词还是参数。
01
一个主体，一个动作
5 秒只放得下一个清晰节拍。“玻璃匠转动熔融花瓶”比三个事件抢同一段时间更容易生成。
02
像现场调度一样写镜头
写缓慢推近、低机位环绕、升起或固定机位。方向加速度能给出路径；只写“电影感”只给了氛围，没有路径。
03
区分主体光与环境光
玻璃匠示例有效，是因为主体温暖明亮、工坊保持昏暗。需要对比时把两者都写出来，而不是只写“光线好”。
04
商品细节放在风格之前
运动鞋镜头里，展台、旋转、柔光箱和水珠比一长串风格词更有用。先写镜头必须看到什么，再补质感。
05
生成前先定画幅
9:16 不是把 16:9 裁一刀。先定画幅，提示词才能把主体放到最终画面需要的位置。
06
提示词控制在 6000 字符以内
更长不等于更好。草稿不理想时一次只改一个变量——动作、镜头、光线或时长——下一版才能提供有效信息。
价格与限制
按实际生成的秒数付费
按输出秒数计费，单价由分辨率决定。5 秒 720p 草稿的成本不到 20 秒 1080p 成片的七分之一，这也是流程建议先小后大的原因。
模式对比
文字、图片还是关键帧
三种模式共用时长、分辨率与计费方式。真正的区别在于：生成开始前，你需要固定多少画面。
| 模式 | 文生视频当前页面 | 图生视频 | 关键帧生视频 |
|---|---|---|---|
| 输入 | 只需提示词 | 提示词 + 首帧（可选尾帧） | 提示词 + 1–10 张关键帧 |
| 时长 | 5–20 秒 | 5–20 秒 | 5–20 秒 |
| 分辨率 | 720p 或 1080p | 720p 或 1080p | 720p 或 1080p |
| 画幅 | auto · 21:9 · 2:1 · 16:9 · 4:3 · 1:1 · 3:4 · 9:16 | auto 跟随首帧；也可手动指定 | auto · 21:9 · 2:1 · 16:9 · 4:3 · 1:1 · 3:4 · 9:16 |
| 画面控制 | 只靠文字描述 | 开头画面，可选结尾 | 24fps 时间轴上最多 10 个锚点 |
| 计费 | 按秒计费，单价由分辨率决定 | 按秒计费，单价由分辨率决定 | 按秒计费，单价由分辨率决定 |
按秒价格
| 分辨率档位 | 每秒 | 每秒单价 × 时长秒数 |
|---|---|---|
| 720p | 121 积分 / 秒 | 单价 × 时长（5–20 秒） |
| 1080p | 207 积分 / 秒 | 单价 × 时长（5–20 秒） |
价格来自实时定价，促销结束后以后台标价为准。
限制与说明
- 时长
- 5–20 秒，按 1 秒步进
- 分辨率
- 720p 或 1080p
- 提示词
- 最多 6000 字符
- 音频
- 可选生成音频；不影响价格
- 任务流程
- 异步 POST /v1/tasks，回调或轮询
- 模型 ID
- flux-3-max/text-to-video
应用场景
文生视频适合放在哪里
当镜头还不存在、实拍成本高于描述成本时用它。氛围素材、商品动态和提案材料是最先见效的落点。
商品与时尚广告
写清展台、受控影棚光和缓慢旋转。正式拍摄前，纯文字生成足以做概念片或付费社交版本，也能让团队在预订影棚前比较两种布光方向。
社媒与竖屏视频
社媒团队直接选 9:16，为前两秒写作。一个强动作加清晰运镜，比复杂故事更能扛住快速滑动；主体居中也能给平台界面留出空间。
B-roll 与氛围镜头
海浪、烟雾、火花、雨和光线都是高效主体。生成几条短素材，配上音乐与旁白剪进长片；单条时长短，一次就能比较多个版本。
分镜与提案
方案还在调整时，为每个镜头出 5 秒 720p 版本。面对动态画面做判断，比读 PPT 里的一段文字更快，每条视频也能附上提示词方便团队追溯决策。
品牌与片头
21:9 加缓慢运镜可以得到带标题空间的宽银幕底片。先生成干净画面；如果中间要放标志，就给中心留白，再在剪辑里叠加字体与声音。
概念与布光测试
在调用团队前测试布光方向、色调或材质反应。一次只改一个提示词变量，并保存成功版本的提示词与设置，方便之后复现。
常见问题
关于 FLUX 3 Max 的常见问题
输入、参数、计费和接入方式；如果这里没有覆盖，API 文档里有完整字段说明。
FLUX 3 Max 文生视频支持哪些时长？
duration 取 5–20 之间的任意整数秒，按 1 秒步进，默认 5 秒。时长越长，按秒计费的总价越高；20 秒版本是 5 秒草稿的四倍秒数。
分辨率和画幅怎么选？
resolution 有 720p 和 1080p 两档，默认 720p。aspect_ratio 默认 auto，也可以指定 21:9、2:1、16:9、4:3、1:1、3:4 或 9:16。
生成的视频有声音吗？
generate_audio 默认开启，会随视频生成与画面匹配的声音；也可以关掉，只输出画面。建议按请求切换开关，不要把声音假设写进提示词。开关不影响计费。
reasoning_level 是什么？
它控制模型对提示词的画面理解与生成规划程度，可选 low 或 high，默认 high。复杂场景用 high 更稳，简单镜头可以用 low。
提示词怎么写更容易出好结果？
先写主体和场景，再按时间顺序写动作、镜头方向和速度，最后写光线与氛围。一条视频只安排一个主要动作，连续镜头写清 no cuts。
画面里的文字可靠吗？
不可靠。模型可能编造招牌、标语和字幕的字母，拼写也无法保证；需要品牌名或可读文字时，请在后期叠加，不要依赖生成结果。
适合做竖屏短视频吗？
可以，直接在请求里选 9:16，不需要先出横版再裁切。1:1 和 3:4 适合信息流，21:9 适合片头和宽银幕内容。主体尽量居中，避免被平台界面遮住。
FLUX 3 Max 文生视频如何计费？
按输出秒数计费，单价由分辨率决定，费用等于每秒单价乘以时长；失败的任务不扣费。短草稿成本更低，适合先用 5 秒比较两条提示词。
如何通过 API 调用？
向 POST /v1/tasks 提交异步任务，model 填 flux-3-max/text-to-video，在 input 里传 prompt，并按需加 duration、resolution、aspect_ratio、generate_audio 和 reasoning_level。接口立即返回 taskId，可用 callback.url 接收结果或轮询 GET /v1/tasks/:id。
和图像生视频有什么区别？
文生视频只需要文字，画幅和构图完全由提示词决定；已经有明确的首帧画面时，用 flux-3-max/image-to-video 更直接。两者共用相同的时长范围和按秒价格。
API 快速开始
调用 FLUX 3 Max 文生视频
把海浪提示词发到 POST /v1/tasks，保存 taskId，再通过轮询或回调取回视频；同一个 Key 也适用于图生视频与关键帧生视频。
curl -X POST "https://api.hiapi.ai/v1/tasks" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "flux-3-max/text-to-video",
"input": {
"prompt": "a slow aerial shot of ocean waves at sunrise, photorealistic",
"duration": 5,
"resolution": "720p",
"generate_audio": false,
"reasoning_level": "low"
}
}'创建请求会返回 taskId；结果需要异步获取。查看完整 API 文档
一个 Key，三种模式
文生视频、图生视频和关键帧共用同一个 HiAPI Key 与同一个异步任务接口。切换模式只需更换模型 ID，不用重写集成。
原生异步
POST /v1/tasks 立即返回 taskId。可以通过 callback.url 接收结果，或轮询 GET /v1/tasks/:id，再从输出地址下载视频。
Playground 与 API 同参
Playground 里的提示词、时长、分辨率、画幅、音频和推理档位与 API 完全一致，调好的请求可以直接搬到生产。
相关模型
对比相近的视频线路
如果 FLUX 3 Max 不完全合适，这些模型覆盖更长视频、更强参考控制、风格预设或混合素材输入。
首帧控制
FLUX 3 Max Image to Video
让商品、人像或场景保持源图中的样子。
有序关键帧
FLUX 3 Max Keyframes to Video
最多 10 个锚点放到 24fps 时间轴上，调度多阶段运动。
电影感文生视频
Ray 3.2 Text to Video
纯文字线路，支持 5 或 10 秒与六种画幅。
首尾帧
Ray 3.2 Image to Video
让静图动起来，可选尾帧控制过渡。
更长的首帧视频
Seedance 2.5 Image to Video
首帧或首尾帧控制，更长输出与同步音频。
快速运镜生成
Kling 3.0 Turbo Text to Video
3–15 秒线路，镜头与主体运动效率更高。
风格预设
PixVerse V6 Text to Video
动漫、黏土、漫画、3D 与赛博朋克预设，可选声音。
长时多模态
Wan 3.0 Prime
2–30 秒视频，支持文字、首尾帧或参考素材与同步音频。
需要比较不同模型和计费档位？查看全部模型实时价格
HiAPI Blog