FLUX 3 Video è il primo modello FLUX di Black Forest Labs per la generazione audiovisiva completa. Crea insieme video e audio nativo, accetta testo, immagini e riferimenti video e produce clip lunghi fino a 20 secondi in un'unica generazione.
FLUX 3 è ora disponibile su PoYo con cinque workflow video di produzione: testo-video, immagine-video, primo/ultimo fotogramma, estensione e fotogrammi chiave. FLUX 3.
FLUX 3 Video in breve
| Caratteristica | Supporto annunciato |
|---|---|
| Dal testo al video | Sì |
| Immagine in video | Sì |
| Riferimenti immagini | Sì |
| Da video a video | Sì |
| Continuazione video e audio | Sì |
| Da fotogramma chiave a video | Sì |
| Audio nativo | Sì |
| Dialogo multilingue | Sì |
| Durata massima di una sola generazione | Fino a 20 secondi |
| Rapporti d'aspetto | Annunciati più formati |
| Tipografia animata | Annunciato |
| Sequenze multi-inquadratura | Annunciato il concatenamento di agenti |
| Generale PoYo API | Disponibile ora |
Cos'è FLUX 3 Video?
FLUX 3 Il video è un'applicazione del più ampio modello di fondazione multimodale FLUX 3. A differenza di un modello di immagine adattato per generare fotogrammi, FLUX 3 è stato addestrato su immagini, video e audio in un'architettura condivisa.
L'obiettivo è modellare qualcosa di più dell'aspetto visivo. Il video insegna il movimento e le relazioni temporali. L'audio fornisce informazioni su impatti, materiali, discorsi ed eventi ambientali. La formazione congiunta permette di collegare il suono generato a ciò che accade sullo schermo.
Questo è anche il motivo per cui FLUX 3 va oltre la creazione di contenuti e si estende alla previsione delle azioni attraverso varianti di ricerca specializzate.
Supporto di lancio ufficiale FLUX 3 di Black Forest Labs.
Testo in video
Text-to-video crea una clip direttamente da una descrizione scritta della scena. Un prompt utile può definire:
- Soggetto e azione
- Luogo e ora
- Posizione e movimento della telecamera
- Stile visivo
- Dialogo parlato
- Suono ambientale
- Tempistica e sequenza degli eventi
- Proporzioni
Le richieste PoYo espongono prompt, durata, risoluzione, rapporto, audio e gli input immagine, video o keyframe necessari.
Immagine in video
FLUX 3 supporta due approcci basati sull'immagine.
Animazione del fotogramma iniziale
Un'immagine può definire il primo fotogramma, dopo il quale il modello crea movimento e suono. Ciò è utile per animare immagini di prodotti, illustrazioni, ritratti o scene progettate.
Ingresso di riferimento visivo
Le immagini possono anche fungere da riferimenti identitari, soggettivi o stilistici senza diventare letteralmente il primo fotogramma. Ciò può aiutare a preservare un personaggio, un oggetto o una direzione visiva in una nuova scena.
Immagine-video usa un’immagine, primo/ultimo fotogramma due immagini ordinate e i keyframe fino a dieci immagini posizionate.
Da video a video
Da video a video utilizza una clip sorgente come riferimento e trasporta gli elementi centrali in una scena o contesto diverso.
Le potenziali applicazioni includono:
- Spostare lo stesso personaggio in un nuovo ambiente
- Reinterpretare il filmato in un altro stile visivo
- Preservare il movimento mentre si cambia la scena
- Creazione di variazioni di una ripresa esistente
- Utilizza una performance come riferimento temporale
PoYo offre la continuazione tramite flux-3/extend-video; non è un endpoint generale di restyling video.
Continuazione video e audio
FLUX 3 può continuare un video in ingresso e il relativo audio. Un modello di continuazione deve estendere diverse cose insieme:
- Aspetto del soggetto
- Movimento della telecamera
- Traiettorie degli oggetti
- Illuminazione e ambiente
- Dialogo o atmosfera
- Ritmo e tempistica degli eventi
Questo flusso di lavoro potrebbe estendere brevi riprese o produrre ritmi di storie consecutive senza avviare ciascuna clip da un prompt non correlato.
Conversione da fotogramma chiave a video
Il keyframe-to-video genera una transizione tra momenti visivi definiti. I fotogrammi iniziali e finali possono comunicare la composizione in modo più preciso rispetto al solo testo.
I possibili usi includono:
- Trasformazioni di prodotto
- Transizioni della fotocamera
- Movimento del personaggio tra le pose
- Sequenze prima e dopo
- Animazione del logo o della tipografia
- Pre-visualizzazione dallo storyboard al movimento
PoYo supporta fino a dieci keyframe posizionati con URL e indice fotogramma.
Generazione audio nativa
L'audio nativo è FLUX 3 la caratteristica distintiva del video. Il modello genera il suono come parte della stessa scena anziché fare affidamento interamente su una pipeline audio separata.
Suono allineato agli eventi
Azioni come impatti, movimento e interazioni meccaniche possono produrre suoni sincronizzati con l'evento visibile. BFL afferma che il modello è particolarmente efficace nell'associare i suoni con eventi fisici.
Audio ambientale
Una scena può includere un'atmosfera adeguata alla posizione, al clima e all'attività. Ciò potrebbe fornire una prima bozza più completa rispetto alla generazione di video muti.
Dialogo multilingue
Black Forest Labs elenca il dialogo multilingue come una capacità fondamentale. L'annuncio del lancio non fornisce un elenco completo delle lingue o la precisione del parlato misurata per ciascuna lingua.
Continuazione video e audio
Il modello può estendere un input audiovisivo, mantenendo potenzialmente l'atmosfera, il contesto del discorso e la tempistica dell'evento nella nuova sezione.
La generazione nativa non elimina la post-produzione. L'accuratezza del dialogo, la pronuncia, la sincronizzazione labiale, i livelli audio e gli artefatti indesiderati richiedono ancora una revisione.
Durata e risoluzione
PoYo genera clip da 5–20 secondi a 720p o 1080p, con otto rapporti e audio nativo. I workflow standard costano 34/58 crediti al secondo; l’estensione 82/106.
Consulta la documentazione PoYo corrente per ID modello, parametri e prezzi. API.
Coerenza di carattere e stile
FLUX 3 utilizza riferimenti visivi per aiutare a mantenere gli elementi centrali nelle scene. BFL afferma che i riferimenti possono mantenere i personaggi coerenti in sequenze multi-scena che durano diversi minuti.
Questo risultato più lungo viene creato concatenando singole clip, non generando diversi minuti in una chiamata. Ogni scatto potrebbe comunque richiedere:
- Selezione dei riferimenti
- Pronta continuità
- Pianificazione della transizione
- Revisione dell'identità
- Controlli di continuità audio
- Modifica e assemblaggio
Il concatenamento agentico può automatizzare parte della pianificazione, ma non trasforma il limite di generazione singola di 20 secondo in uno scatto continuo illimitato.
Tipografia e design animato
BFL evidenzia una tipografia forte e un design animato come FLUX 3 Funzionalità video. Ciò potrebbe supportare:
- Manifesti in movimento
- Sequenze di titoli
- Annunci di prodotto
- Tipografia cinetica
- Pubblicità sociale
- Interfaccia e animazione grafica
Il testo generato dovrebbe comunque essere controllato fotogramma per fotogramma. Un titolo può sembrare corretto in un momento e deformarsi durante il movimento.
Risultati iniziali della valutazione
Nei test preliminari di BFL sulle preferenze umane, FLUX 3 è stato confrontato con diversi modelli video. L'azienda riporta tassi di preferenza che vanno da 52% rispetto a Seedance 2.0 e Gemini Omni Flash a 93% rispetto a Luma Ray 3.2.
Questi risultati richiedono contesto:
- Sono stati pubblicati dallo sviluppatore del modello.
- Hanno utilizzato clip di testo in video 10 al secondo e 720p con audio.
- Il candidato FLUX 3 e il cablaggio di valutazione erano ancora in fase di sviluppo.
- I risultati "Fino a" possono riepilogare sottoinsiemi anziché ogni categoria di prompt.
- La riproduzione indipendente non è ancora disponibile.
I numeri sono utili prove iniziali, non una prova che FLUX 3 sia universalmente migliore.
Casi d'uso pratici
Brevi scene basate sui dialoghi
Il linguaggio nativo e l'espressione facciale rendono FLUX 3 rilevante per brevi momenti narrativi e concetti di personaggi multilingue.
Video sui prodotti e sul marchio
Le immagini di riferimento possono stabilire un prodotto o un'identità visiva, mentre il suono nativo crea una bozza di campagna più completa.
Video sociale
Molteplici proporzioni, testo animato e breve durata si adattano a pubblicità, annunci e formati social verticali.
Pre-visualizzazione
Immagini, video di riferimento e fotogrammi chiave possono trasformare gli storyboard in anteprime in movimento per prendere decisioni su fotocamera, tempistica e transizione.
Variazione e continuazione del video
Le squadre possono esplorare scene alternative, estendere un'inquadratura o trasportare un personaggio centrale in un altro contesto.
Narrazione in più inquadrature
Le clip concatenate possono creare sequenze più lunghe mentre i riferimenti visivi aiutano a mantenere la coerenza.
Disponibilità dell'API FLUX 3 Video
Cinque workflow video di produzione disponibili su PoYo:
flux-3/text-to-videoflux-3/image-to-videoflux-3/first-last-frame-to-videoflux-3/extend-videoflux-3/keyframes-to-video
Consulta la documentazione PoYo corrente per ID modello, parametri e prezzi.
Domande frequenti
Il video FLUX 3 è ora disponibile?
Disponibile ora.
Il video FLUX 3 genera audio?
Sì. Genera audio nativo insieme a video, inclusi suoni ambientali e dialoghi multilingue.
Quanto può durare un video FLUX 3?
BFL afferma che una singola generazione può durare fino a 20 secondi. Sequenze più lunghe possono essere assemblate concatenando le clip.
FLUX 3 supporta la conversione da immagini a video?
Sì. Può animare un fotogramma iniziale o utilizzare immagini come riferimenti visivi.
Supporta la conversione da video a video?
Sì. BFL afferma che un video sorgente può guidare elementi centrali come un personaggio in una nuova scena o contesto.
FLUX 3 può continuare un video esistente?
Sì. La continuazione di video e audio è uno dei flussi di lavoro annunciati.
Quali lingue supporta FLUX 3?
BFL ha annunciato un dialogo multilingue ma non ha pubblicato un elenco completo delle lingue supportate.
Quanto costa l'API FLUX 3 Video?
PoYo genera clip da 5–20 secondi a 720p o 1080p, con otto rapporti e audio nativo. I workflow standard costano 34/58 crediti al secondo; l’estensione 82/106.
Conclusione
FLUX 3 Il video combina diversi flussi di lavoro che in precedenza richiedevano modelli separati: testo in video, animazione di immagini, trasformazione video, continuazione, transizioni di fotogrammi chiave e generazione di audio.
La sua differenza più importante non è solo la durata 20 secondi. È il tentativo di generare movimento e suono da una rappresentazione condivisa, accettando riferimenti su più media.