hailuo-02/image-to-video
以 AI 智慧將靜態圖像轉化為高畫質動態影片，助力創意無限發揮
Black Forest Labs 的 FLUX 3 First Last Frame to Video 接收起始靜幀、結束靜幀和文字說明，生成可選同步原生音訊的短片，支援 720p 或 1080p，單次時長 5 到 20 秒。
它用提示詞引導兩端鎖定畫面之間的運動，替代手動關鍵幀插值與單獨配音，幫助行銷、產品與分鏡團隊更快銜接兩段構圖。
對開發者而言，FLUX 3 First Last Frame to Video 可在 RunComfy 瀏覽器介面與 HTTP API 中使用，無需自行部署或擴縮容模型。
Ideal for: 姿態到姿態轉場 | 產品揭示鏡頭 | 場景銜接鏡頭
上傳起始靜幀與結束靜幀，並補充中間過程的文字說明，即可得到帶可選同步原生音訊的短片。在 RunComfy 上可在模型介面鎖定兩端關鍵幀，再用相同 Input 呼叫 HTTP API。
Output format: Video / start + end images / 5–20 seconds / 720p or 1080p / optional native audio
| Parameter | Required | Type | Default | Range / Options | Description |
|---|---|---|---|---|---|
| start_image_url* | Yes (*) | string | — | PNG, JPEG, WebP URL | 用作影片首幀的圖片。 |
| end_image_url* | Yes (*) | string | — | PNG, JPEG, WebP URL | 用作影片末幀的圖片。 |
| prompt* | Yes (*) | string | — | — | 描述兩幀之間轉場與運動的文字。 |
| aspect_ratio | No | string | auto | auto, 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16 | 輸出畫幅；auto 由模型選擇。 |
| resolution | No | string | 720p | 720p, 1080p | 輸出解析度。 |
| duration | No | integer | 5 | 5–20 | 時長（秒）；實際使用中需明確時長以便放置結束幀。 |
| generate_audio | No | boolean | true | true, false | 是否生成同步音訊。 |
| safety_tolerance | No | integer | 2 | 0–4 | 0 最嚴格，4 最寬鬆。 |
FLUX 3 First Last Frame to Video 依生成影片時長與所選解析度計費。
| Resolution | Rate |
|---|---|
| 720p | $0.19 per second |
| 1080p | $0.32 per second |
Estimated cost examples (720p)
| Duration | Approx. cost |
|---|---|
| 5 s | ~$0.85 |
| 10 s | ~$1.70 |
| 20 s | ~$3.40 |
Estimated cost examples (1080p)
| Duration | Approx. cost |
|---|---|
| 5 s | ~$1.45 |
| 10 s | ~$2.90 |
| 20 s | ~$5.80 |
以 AI 智慧將靜態圖像轉化為高畫質動態影片，助力創意無限發揮
將靜態圖片製作成原生 4K 電影感影片，支援首尾影格引導與同步音訊。
從文字提示快速生成具對話和音效的動態短片
根據必填提示詞讓首格圖片動起來，並可透過可選的尾格圖片控制影片結尾。
根據提示產生帶有圖片和聲音的 5 到 15 秒場景。
根據必填文字提示詞產生影片。可選擇六種長寬比、`540p`/`720p`/`1080p`、`5` 秒/`9` 秒，以及是否循環播放。
FLUX 3 First Last Frame to Video 接收起始圖、結束圖和文字提示，生成兩端關鍵幀之間的運動，並可附帶同步原生音訊。適合姿態到姿態轉場、產品揭示弧線，以及兩端畫面已鎖定的場景銜接。
FLUX 3 First Last Frame to Video 會同時鎖定開場與結尾靜幀，因此你能控制片段的起迄。FLUX 3 Image to Video 只需起始圖，並從這一幀繼續運動，不要求結束幀。
支援。生成音訊預設開啟，因此 FLUX 3 First Last Frame to Video 可輸出與畫面同步的語音、音效與環境聲。需要無聲影片時關閉即可。
時長為 5 到 20 秒的整數秒。明確時長有助於依轉場節奏正確放置結束幀。
解析度可選 720p（預設）和 1080p。寬高比預設為 auto，也可鎖定 21:9、2:1、16:9、4:3、1:1、3:4 或 9:16。
必填項為 start_image_url、end_image_url 和 prompt。可選項包括 aspect_ratio、resolution、duration（5–20，預設 5）、generate_audio 以及 safety_tolerance（0–4，預設 2）。起始圖與結束圖應為 PNG、JPEG 或 WebP 的 URL。
先在 RunComfy 模型介面驗證提示詞與關鍵幀，再用相同 Input 欄位透過 RunComfy API 呼叫同一模板（start_image_url、end_image_url、prompt、aspect_ratio、resolution、duration、generate_audio、safety_tolerance）。自動化任務請使用帳號 API Key 與額度。
依生成影片時長與解析度計費：720p 為每秒 $0.19，1080p 為每秒 $0.32。以本頁展示的最新價格為準。
RunComfy 是首選的 ComfyUI 平台，提供 ComfyUI 在線 環境和服務，以及 ComfyUI 工作流程 具有驚豔的視覺效果。 RunComfy還提供 AI Models, 幫助藝術家利用最新的AI工具創作出令人驚艷的藝術作品。
