black-forest-labs/flux-3/text-to-video テキストから動画生成

black-forest-labs/flux-3/text-to-video

FLUX 3 Text-to-Video は、テキストプロンプトから 5〜20 秒のシネマティックな動画を生成します。自然で一貫した動き、映画的な構図、オプションの同期音声、720P / 1080P 出力に対応し、クリエイティブ動画、SNS コンテンツ、広告、制作ワークフローに適しています。すぐに使える REST 推論 API を提供し、高性能、コールドスタートなし、手頃な価格で利用できます。

サンプル

black-forest-labs/flux-3/text-to-video テキストから動画生成 サンプル 1

パラメータ

名前型既定制約説明
prompt *プロンプトtextarea—≤ 5000 chars生成したい動画の内容を説明するテキストプロンプトです。
aspect_ratioアスペクト比select9:1621:9 | 2:1 | 16:9 | 4:3 | 1:1 | 3:4 | 9:16生成されるコンテンツのアスペクト比です。
resolution解像度select720p720p | 1080p生成される動画の解像度です。
duration長さslider55 ~ 20 · step 1動画の長さ(5〜20秒)。
generate_audio音声を生成booleantrue—動画に音声を生成するかどうかを指定します。

出力フィールド

フィールド型説明
videosarray<string>

API

統一 REST API でこのモデルを呼び出せます。API Keys ページでキーを取得してください。

cURL
# 1) Submit — returns { "task_uuid": "..." }
curl -X POST "https://www.namifusion.com/api/v1/marketplace/run/black-forest-labs/flux-3/text-to-video" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "input": {
    "prompt": "A cinematic tracking shot of a neon-lit street market in Tokyo at night during light rain, reflections shimmering on the pavement, pedestrians with transparent umbrellas moving naturally through the scene, steam rising from food stalls, subtle camera dolly forward, realistic motion, atmospheric lighting, high detail, immersive urban ambience",
    "aspect_ratio": "9:16",
    "resolution": "720p",
    "duration": 5,
    "generate_audio": true
  }
}'

# 2) Poll until status is "completed", then read the output URLs
curl "https://www.namifusion.com/api/v1/marketplace/run/tasks/TASK_UUID" \
  -H "Authorization: Bearer YOUR_API_KEY"
Python
import time, requests

API_KEY = "YOUR_API_KEY"
HEADERS = {"Authorization": f"Bearer {API_KEY}"}

# 1) Submit
resp = requests.post(
    "https://www.namifusion.com/api/v1/marketplace/run/black-forest-labs/flux-3/text-to-video",
    headers=HEADERS,
    json={
        "input": {
            "prompt": "A cinematic tracking shot of a neon-lit street market in Tokyo at night during light rain, reflections shimmering on the pavement, pedestrians with transparent umbrellas moving naturally through the scene, steam rising from food stalls, subtle camera dolly forward, realistic motion, atmospheric lighting, high detail, immersive urban ambience",
            "aspect_ratio": "9:16",
            "resolution": "720p",
            "duration": 5,
            "generate_audio": True
        }
    },
)
resp.raise_for_status()  # 401/402/429/5xx stop here instead of polling a bad task
task = resp.json()

# 2) Poll until a terminal state (completed / failed / cancelled).
#    This model is allowed up to 1800s server-side.
deadline = time.time() + 1860
while task.get("status") not in ("completed", "failed", "cancelled"):
    if time.time() > deadline:
        raise TimeoutError(f"still {task.get('status')} — keep the task_uuid and poll later")
    time.sleep(3)
    poll = requests.get(f"https://www.namifusion.com/api/v1/marketplace/run/tasks/{task['task_uuid']}", headers=HEADERS)
    poll.raise_for_status()
    task = poll.json()

print(task["status"], task.get("output"))
JavaScript
const API_KEY = "YOUR_API_KEY";
const HEADERS = { Authorization: `Bearer ${API_KEY}` };

// 1) Submit
const resp = await fetch("https://www.namifusion.com/api/v1/marketplace/run/black-forest-labs/flux-3/text-to-video", {
  method: "POST",
  headers: { ...HEADERS, "Content-Type": "application/json" },
  body: JSON.stringify({
    "input": {
      "prompt": "A cinematic tracking shot of a neon-lit street market in Tokyo at night during light rain, reflections shimmering on the pavement, pedestrians with transparent umbrellas moving naturally through the scene, steam rising from food stalls, subtle camera dolly forward, realistic motion, atmospheric lighting, high detail, immersive urban ambience",
      "aspect_ratio": "9:16",
      "resolution": "720p",
      "duration": 5,
      "generate_audio": true
    }
  }),
});
if (!resp.ok) throw new Error(`submit failed: ${resp.status} ${await resp.text()}`);
let task = await resp.json();

// 2) Poll until a terminal state (completed / failed / cancelled).
//    This model is allowed up to 1800s server-side.
const deadline = Date.now() + 1860 * 1000;
while (!["completed", "failed", "cancelled"].includes(task.status)) {
  if (Date.now() > deadline) throw new Error(`still ${task.status} — keep the task_uuid and poll later`);
  await new Promise((r) => setTimeout(r, 3000));
  const poll = await fetch(`https://www.namifusion.com/api/v1/marketplace/run/tasks/${task.task_uuid}`, { headers: HEADERS });
  if (!poll.ok) throw new Error(`poll failed: ${poll.status}`);
  task = await poll.json();
}

console.log(task.status, task.output);

ドキュメント

black-forest-labs/flux-3/text-to-video テキストから動画生成

black-forest-labs/flux-3/text-to-video

FLUX 3 Text-to-Video は、テキストプロンプトから 5〜20 秒のシネマティックな動画を生成します。自然で一貫した動き、映画的な構図、オプションの同期音声、720P / 1080P 出力に対応し、クリエイティブ動画、SNS コンテンツ、広告、制作ワークフローに適しています。すぐに使える REST 推論 API を提供し、高性能、コールドスタートなし、手頃な価格で利用できます。

パラメータ

パラメータ型必須既定値制限・説明
promptstringはい—max 5000 chars; 生成したい動画の内容を説明するテキストプロンプトです。
aspect_ratiostringいいえ"9:16"21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16; 生成されるコンテンツのアスペクト比です。
resolutionstringいいえ"720p"720p, 1080p; 生成される動画の解像度です。
durationintegerいいえ55–20; step 1; 動画の長さ(5〜20秒)。
generate_audiobooleanいいえtrue動画に音声を生成するかどうかを指定します。

料金

ModeUSD / secondCredits / secondUSD / 5 seconds
720p$0.1717$0.85
1080p$0.2929$1.45

料金=単価 × min(ceil(duration), 20)。duration は5〜20秒の整数で、既定値は5秒です。generate_audio は料金に影響しません。

WaveSpeed 標準定価と同額です。1米ドル=100クレジット。アカウントの割引は別途適用されます。

API

curl -X POST https://www.namifusion.com/api/v1/marketplace/run/black-forest-labs/flux-3/text-to-video \
  -H "Authorization: Bearer $API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
  "input": {
    "prompt": "A cinematic tracking shot of a neon-lit street market in Tokyo at night during light rain, reflections shimmering on the pavement, pedestrians with transparent umbrellas moving naturally through the scene, steam rising from food stalls, subtle camera dolly forward, realistic motion, atmospheric lighting, high detail, immersive urban ambience",
    "aspect_ratio": "9:16",
    "resolution": "720p",
    "duration": 5,
    "generate_audio": true
  }
}'
curl 'https://www.namifusion.com/api/v1/marketplace/run/tasks/TASK_UUID' \
  -H "Authorization: Bearer $API_KEY"

送信応答の task_uuid で completed または failed までポーリングします。成功時の出力:output.videos(URL配列)。このAPIは非同期でURLを返します。

WaveSpeed

関連モデル

xAI Grok Imagine Video v1.5 テキストから動画生成
テキストから動画X Ai

xAI Grok Imagine Video v1.5 テキストから動画生成

テキストプロンプトから1-15秒の動画を生成します。480p、720p、1080pに対応しています。

〜 $0.840 / 1 回
MiniMax H3 テキストから動画生成
テキストから動画Minimax

MiniMax H3 テキストから動画生成

MiniMax H3 テキストから動画生成は、プロンプトから一貫性のある 2K 動画を生成できます。4〜15秒の柔軟な長さと、6種類のアスペクト比に対応し、シネマティックなシーン、クリエイティブ動画、制作ワークフローに適しています。すぐに使える REST 推論 API を提供し、高性能・コールドスタートなし・手頃な価格で利用できます。

〜 $0.650 / 1 回
ltx-2.5/text-to-video(テキストから動画生成)
テキストから動画Ltx 2.5

ltx-2.5/text-to-video(テキストから動画生成)

LTX 2.5 Text-to-Video は、テキストプロンプトから高忠実度で音声と映像が同期したコンテンツを生成します。長さを柔軟に設定でき、720P / 1080P / 2K / 4K 出力に対応しているため、シネマティックな動画、SNS コンテンツ、広告、制作ワークフローに適しています。すぐに使える REST 推論 API を提供し、高性能、コールドスタートなし、手頃な価格を実現します。

〜 $0.500 / 1 回
Kling Omni Video O3 標準版テキストから動画生成
テキストから動画Kling

Kling Omni Video O3 標準版テキストから動画生成

Kling Omni Video O3 は、MVL(マルチモーダルビジュアルランゲージ)技術を採用したKuaishouの高度な統合型マルチモーダル動画モデルです。テキストから動画生成モードでは、プロンプトを基に主体の一貫性、自然な物理シミュレーション、正確な意味理解を備えた映画品質の動画を生成します。音声生成にも対応。すぐに使えるREST API、最高のパフォーマンス、冷スタートなし、手頃な価格。

〜 $0.420 / 1 回
Kling 3.0 標準版
テキストから動画Kling

Kling 3.0 標準版

Kling 3.0 標準版は、高品質なテキストから動画生成を提供します。滑らかな動き、映画のような映像、正確なプロンプトの適合性、そして共有可能なクリップ用のネイティブ音声を備えています。即時利用可能な REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。

〜 $0.420 / 1 回
Kling V2.6 テキストから動画生成 API
テキストから動画Kling

Kling V2.6 テキストから動画生成 API

Kling 2.6 は、滑らかなモーション、映画のようなビジュアル、強力なプロンプト適合性、そしてネイティブオーディオを備えた、トップクラスのテキストから動画生成を提供します。共有可能なクリップを即座に生成可能。すぐに使用できる REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。

〜 $0.210 / 1 回
Gemini Omni Flash テキストから動画生成 API
テキストから動画Google

Gemini Omni Flash テキストから動画生成 API

Gemini Omni Flash Text to Video は、テキストのプロンプトから音声同期付きの短い AI 動画を生成し、映像生成と音声出力を組み合わせて高速なマルチモーダル動画作成を実現します。すぐに使える REST 推論 API で、高性能、コールドスタートなし、手頃な価格です。

〜 $1.04 / 1 回
Seedance 2.0 Mini テキストから動画生成
テキストから動画Doubao

Seedance 2.0 Mini テキストから動画生成

Seedance 2.0 Mini Text to Video は、ByteDance による高速かつ低コストなテキストから動画生成モデルで、シネマティックなマルチショット動画に適しています。テキストのプロンプトから物語性のあるシーケンスを生成し、AI カメラ制御、シーン間で一貫したキャラクター、480P / 720P / 1080P / 4K 出力、4〜15 秒の長さ、柔軟なアスペクト比に対応しています。すぐに使える REST 推論 API を提供し、高性能、コールドスタートなし、手頃な価格が特長です。

〜 $0.3591 / 1 回