Alibaba Cloud Bailian
Happy Horse 1.0
起 $0.146 每秒
视频
FLUX 3 — 视频、图像与音频统一的多模态底座
FLUX 3 是 Black Forest Labs 的多模态基础模型，在同一套架构中联合训练图像、视频与音频。用于 AI 视频生成时，FLUX 3 单次最长 20 秒、画面与声音一同产出，并支持关键帧、参考片段与多语言对白。
- 模型特点
- 5–20 秒 · HD / FHD · 草稿→定稿工作流
- 适用场景
- 电影感镜头、视频风格转换
- 输入
- 文本、最多 10 张图或源视频
- 输出
- 视频（mp4）、可选音频
Input
必填 · 对白、环境音与画面内文字都可以写在同一条提示词里
5
整数，5 到 20 秒
默认 hd · 草稿预览仅支持 hd
默认 auto · 另有七种固定比例可选
默认开启 · 无声片段并不会更便宜
Estimated cost~$0.782782 credits
Result
Try one of these prompts
FLUX 3 API 是什么？
FLUX 3 是 Black Forest Labs 的多模态基础模型，目前可调用的是它的视频能力：reAPI 将其封装为一个异步接口，支持三种模式——文生视频、最多 10 张参考图的图生视频，以及基于已有片段的视频续写。单条片段 5 到 20 秒，输出 HD 或 FHD，可选 7 种固定宽高比外加 auto，音频默认生成，并提供 draft 模式用于在正式渲染前低成本预览。计费按秒，费率由模式、分辨率以及是否开启 draft 共同决定。
你能用这个模型做什么
可以用这个模型构建并上线的真实工作流与生产级用例。
用提示词之外的方式指挥 FLUX 3
文字只是起点，不是全部指令。你可以给 FLUX 3 一张待动画化的首帧、几张锁定角色的参考图、一段希望把元素带入新场景的源片段，或者两个界定过渡起止的关键帧。FLUX 3 还能续写已有的视频及其音频，所以一个镜头可以被延长，而不必从头重新生成。
阅读 FLUX 3 文档
不用重拍就能把一支广告本地化
FLUX 3 支持多语言对白，并能在画面内渲染可读的文字，因此同一套创意方向可以在不同市场之间迁移。招牌、标题与动态排版是作为场景的一部分生成的，而不是事后合成上去的；配音也与画面一同产出——按照 Black Forest Labs 自己的早期评测，面部表情与多语言正是 FLUX 3 目前最强的部分。
把产品从静态图带入动态镜头
同一套 FLUX 3 底座既能跨风格、跨比例、跨分辨率合成与编辑图像，也能把这些静态图延展成动态画面。产品图与视频之间，形状、颜色、材质与品牌标识保持可辨识——因为两者出自同一个模型，而不是把图像生成器和另一套视频生成器拼在一起。
价格
积分计费 — 1 积分 = 0.001 美元，仅为成功生成付费。
首次测试成本
$0.276276 credits
最低档一条 5 秒样片。
测试预算参考
充值积分$10
约 36 次测试
$50
约 181 次测试
$100
约 362 次测试
| 模型 | 类别 | 价格 |
|---|---|---|
| flux-3-video | 草稿预览 · hd | $0.056 56 credits · 1 second |
| 续写草稿 · hd | $0.111 111 credits · 1 second | |
| 文本或关键帧 · hd | $0.157 157 credits · 1 second | |
| 文本或关键帧 · fhd | $0.267 267 credits · 1 second | |
| 视频续写 · hd | $0.378 378 credits · 1 second | |
| 视频续写 · fhd | $0.488 488 credits · 1 second |
为什么选 reAPI
一个底座，而不是三套系统拼接
FLUX 3 在统一架构中从图像、视频与音频中学习，架构基于 Black Forest Labs 提出的 Self-Flow——一种让多模态生成与理解相互对齐的方法。各模态彼此约束：声音必须匹配撞击，运动必须服从质量。
声音与画面同时生成
FLUX 3 的每一条视频输出都自带原生音频，来自同一次生成——对白、环境音与撞击声落在它们应该在的那一帧上，而不是事后再往无声画面上对时间轴。
在便宜档位上做迭代
大多数视频模型每一次尝试都是同一个价格，试错因此很贵。FLUX 3 把它拆开了：草稿预览按约三分之一的费率计费，定稿时再沿用同一份草稿自己的提示词、时长与输入，以完整质量重新生成——完整费率只为你真正要留下的那一条付一次。
FLUX 3 对比 Seedance 2.0
在 Black Forest Labs 自己的早期评测中，这两者是所有对比对象里最接近的一组——观众在 52% 的对比中更偏好 FLUX 3，基本等同于掷硬币。区别在于覆盖面：两者现在都能在 reAPI 上调用，但 Seedance 2.0 是视频模型，而 FLUX 3 是一个更宽的多模态底座，其图像与行动阶段仍在陆续推出。
能力
FLUX 3
reAPI 上的 Seedance 2.0
覆盖面
一个多模态底座，横跨图像、视频、音频与动作预测。
视频生成，音频可选。
单次生成时长
单次最长 20 秒且带音频。
每次请求 4 到 15 秒。
输入类型
提示词、起始帧、参考图片、参考片段、参考音频，以及界定受控过渡的关键帧。
提示词、图片、首/尾帧角色、参考视频与参考音频。
音频
每条视频输出都带原生音频，与画面一同生成。
音频生成是每次请求上的显式开关。
多镜头连贯性
把片段以 agentic 方式串联成时长数分钟的序列，由视觉参考维系。
返回最后一帧并喂给下一次请求，以延续同一镜头。
可用性
已在 reAPI 上线，按秒计费，费率随模式与分辨率而定，另有更便宜的草稿档用于迭代。
今天就能在 reAPI 上调用，按秒并按分辨率计费。
对比反映撰写时公开可查的行为。52% 这一偏好数据来自 Black Forest Labs 自己的初步评测，测试对象为 10 秒 720p、带音频的文生视频片段，且 BFL 明确说明该模型仍在开发中；样本量与方法论均未公布，这不是独立基准测试。
docs/api/flux-3
curl -X POST https://reapi.ai/api/v1/videos/generations \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "flux-3-video",
"prompt": "A rain-soaked cafe terrace at dusk, a tram rolls past",
"duration": 5
}'参数校验失败
提交时同步拒绝并指明出错字段。检查枚举值、范围与 URL 字段——不产生任何扣费。
认证或余额问题
401 表示 Bearer 密钥缺失或无效；402 表示预扣额超出余额。密钥与积分在控制台管理。
内容或素材被拒
参考素材与生成结果都会经过自动审核。被拒的任务返回明确错误并全额退款。
任务失败或超时
进入失败状态的任务不会扣费——预扣自动退还。保留任务 ID，随时可重试。
常见问题
关于此模型的常见疑问。
FLUX 3 是 Black Forest Labs 的多模态基础模型。它在同一套架构中联合学习图像、视频与音频，而不是把它们当作彼此独立的系统；BFL 将其定位为迈向「能在物理与数字环境中感知、预测并行动的模型」的一步。