Black Forest Labs: FLUX 3 Video

FLUX.3 Video to model generowania wideo od Black Forest Labs, tego samego dostawcy stojącego za modelami obrazów FLUX. Należy do kategorii wideo i jest zbudowany do tworzenia wideo, a nie tekstu, więc pasuje do potoków, w których końcowym artefaktem jest klip. Jeśli już używasz modeli Black Forest Labs w innych miejscach swojego stosu, ten rozszerza tę samą linię pracy na ruch.

Po stronie danych wejściowych model przyjmuje tekst, obraz i wideo, a zwraca wideo. Ta kombinacja obejmuje tekst na wideo, generowanie kierowane obrazem z użyciem klatki początkowej, klatki końcowej lub obu, oraz przepływy kontynuacji wideo, w których podajesz istniejący materiał i go rozszerzasz. Dane wyjściowe można generować w 720p lub 1080p, ze współczynnikami proporcji 21:9, 16:9, 4:3, 1:1, 3:4 i 9:16, więc dostępne jest zarówno szerokie kinowe kadrowanie, jak i pionowe formaty społecznościowe. Czas trwania klipów wynosi od 5 do 20 sekund w krokach jednosekundowych, a generowanie dźwięku jest obsługiwane. Dla tego modelu nie opublikowano długości kontekstu, co jest oczekiwane w przypadku generatora wideo.

Praktyczne zastosowania wynikają z tych mechanizmów sterowania. Obsługa klatek kluczowych pozwala przypiąć początek i koniec ujęcia, co jest przydatne w pracy od storyboardu do klipu, w ujęciach produktowych, które muszą zaczynać się i kończyć na konkretnych klatkach, oraz w przejściach, w których potrzebujesz określonego punktu końcowego. Kontynuacja wideo naturalnie nadaje się do rozszerzania istniejącego materiału, zamiany krótkiego ujęcia w dłuższą sekwencję lub budowania sceny z klipu, który już masz. Opcje współczynnika proporcji i rozdzielczości sprawiają, że ten sam model jest użyteczny do montażu panoramicznego w 1080p i do wyjścia pionowego w 720p bez przełączania narzędzi. Generowanie dźwięku oznacza, że możesz uzyskać klip z dźwiękiem w jednym przebiegu, zamiast multipleksować go później.

Wywołujesz go przez zgodne z OpenAI API api14, używając identyfikatora modelu "black-forest-labs/flux-3-video". Obecnie nie wymieniono żadnych obsługiwanych parametrów żądania dla tego modelu, więc typy danych wejściowych (tekst, obraz, wideo) i opisane powyżej ustawienia wyjściowe definiują żądanie, a nie zestaw regulowanych parametrów. Ponieważ punkt końcowy jest zgodny z formatem OpenAI, istniejące biblioteki klienckie i kształty żądań, których już używasz dla innych modeli w api14, mają tu zastosowanie.

Podane maksimum wyjściowe wynosi 0, a długość kontekstu nie została opublikowana, więc traktuj ustawienia generowania jako to, co definiuje żądanie, a nie budżety tokenów. Czas trwania jest ograniczony do 20 sekund, co oznacza, że dłuższe sekwencje wymagają kontynuacji lub łączenia wielu wywołań. Jeśli Twoim zadaniem jest generowanie tekstu, generowanie obrazów lub cokolwiek poza wideo, lepszym wyborem jest model w pasującej kategorii w api14.