O FLUX 3 Video é o primeiro modelo FLUX da Black Forest Labs para geração audiovisual completa. Cria vídeo e áudio nativo em conjunto, aceita texto, imagens e referências de vídeo, e produz clipes até 20 segundos numa só geração.
O FLUX 3 Video já está disponível no PoYo através de cinco workflows de produção, com IDs de modelo, controlos de pedido e preços por segundo publicados. A página da API do FLUX 3 no PoYo oferece um gerador em direto para texto, imagens, primeiro e último frame, extensão de vídeo de origem e keyframes posicionados.
O FLUX 3 Video num relance
| Funcionalidade | Suporte anunciado |
|---|---|
| Texto para vídeo | Sim |
| Imagem para vídeo | Sim |
| Referências de imagem | Sim |
| Vídeo para vídeo | Sim |
| Continuação de vídeo e áudio | Sim |
| Keyframes para vídeo | Sim |
| Áudio nativo | Sim |
| Diálogo multilingue | Sim |
| Duração máxima numa só geração | Até 20 segundos |
| Proporções | Vários formatos anunciados |
| Tipografia animada | Anunciada |
| Sequências de vários planos | Encadeamento com agents anunciado |
| API geral do PoYo | Disponível agora |
O que é o FLUX 3 Video?
O FLUX 3 Video é uma aplicação do modelo de base multimodal FLUX 3, mais vasto. Ao contrário de um modelo de imagem adaptado para gerar frames, o FLUX 3 foi treinado em imagens, vídeo e áudio numa arquitetura partilhada.
O objetivo é modelar mais do que o aspeto visual. O vídeo ensina o movimento e as relações temporais. O áudio fornece informação sobre impactos, materiais, fala e acontecimentos do ambiente. O treino conjunto permite ligar o som gerado ao que acontece no ecrã.
É também por isso que o FLUX 3 vai além da criação de conteúdo e chega à previsão de ações através de variantes de investigação especializadas.
Material oficial de lançamento do FLUX 3 da Black Forest Labs.
Texto para vídeo
O texto para vídeo cria um clipe diretamente a partir de uma descrição escrita da cena. Um bom prompt pode definir:
- Sujeito e ação
- Local e momento
- Posição e movimento da câmara
- Estilo visual
- Diálogo falado
- Som ambiente
- Tempo e sequência dos acontecimentos
- Proporção
O FLUX 3 consegue gerar as partes visual e de áudio numa só passagem. Os pedidos do PoYo expõem o prompt, a duração, a resolução, a proporção, o interruptor de áudio e as entradas de imagem, vídeo de origem ou keyframes exigidas pelo workflow selecionado.
Imagem para vídeo
O FLUX 3 suporta duas abordagens orientadas por imagens.
Animação a partir do frame inicial
Uma imagem pode definir o primeiro frame, a partir do qual o modelo cria movimento e som. É útil para animar imagens de produto, ilustrações, retratos ou cenas desenhadas.
Entrada de referência visual
As imagens também podem servir de referência de identidade, de sujeito ou de estilo sem se tornarem literalmente o primeiro frame. Isto pode ajudar a preservar uma personagem, um objeto ou uma direção visual numa nova cena.
No PoYo, o imagem para vídeo aceita uma imagem de origem, a geração com primeiro e último frame aceita duas imagens ordenadas e a geração por keyframes aceita até dez imagens posicionadas. Consulta a documentação atual da API para os requisitos de carregamento e de formato de ficheiro.
Vídeo para vídeo
O vídeo para vídeo usa um clipe de origem como referência e leva os elementos centrais para uma cena ou um contexto diferente.
As aplicações possíveis incluem:
- Levar a mesma personagem para um novo ambiente
- Reinterpretar imagens noutro estilo visual
- Preservar o movimento mudando a cena
- Criar variações de um plano existente
- Usar uma interpretação como referência temporal
O vídeo para vídeo não garante a preservação perfeita da identidade nem do movimento. De momento, o PoYo expõe a continuação de vídeo de origem através de flux-3/extend-video; não deve ser confundida com um endpoint separado e geral de mudança de estilo de vídeo.
Continuação de vídeo e áudio
O FLUX 3 consegue continuar um vídeo de entrada e o respetivo áudio. Um modelo de continuação tem de prolongar várias coisas em conjunto:
- Aspeto do sujeito
- Movimento de câmara
- Trajetórias dos objetos
- Iluminação e ambiente
- Diálogo ou som ambiente
- Ritmo e tempo dos acontecimentos
Este workflow poderia prolongar planos curtos ou produzir momentos consecutivos de uma história sem começar cada clipe a partir de um prompt sem relação com o anterior.
Keyframes para vídeo
O keyframes para vídeo gera uma transição entre momentos visuais definidos. Os frames inicial e final podem comunicar a composição com mais precisão do que o texto sozinho.
Utilizações possíveis:
- Transformações de produtos
- Transições de câmara
- Movimento de personagens entre poses
- Sequências de antes e depois
- Animação de logótipos ou de tipografia
- Pré-visualização de storyboard para movimento
O PoYo suporta até dez keyframes posicionados. Cada keyframe fornece um URL de imagem e um índice de frame, o que permite controlar diretamente o tempo da transição.
Geração de áudio nativo
O áudio nativo é a característica que define o FLUX 3 Video. O modelo gera o som como parte da mesma cena, em vez de depender por completo de um pipeline de áudio separado.
Som alinhado com os acontecimentos
Ações como impactos, movimento e interações mecânicas podem produzir som sincronizado com o acontecimento visível. A BFL afirma que o modelo é particularmente bom a associar sons a acontecimentos físicos.
Áudio ambiente
Uma cena pode incluir um som ambiente adequado ao seu local, ao tempo e à atividade. Isto pode dar um primeiro rascunho mais completo do que a geração de vídeo silencioso.
Diálogo multilingue
A Black Forest Labs apresenta o diálogo multilingue como uma capacidade central. O anúncio de lançamento não indica uma lista completa de idiomas nem a exatidão da fala medida em cada um.
Continuação de vídeo e áudio
O modelo consegue prolongar uma entrada audiovisual, podendo manter o som ambiente, o contexto da fala e o tempo dos acontecimentos na nova secção.
A geração nativa não elimina a pós-produção. A exatidão do diálogo, a pronúncia, a sincronização labial, os níveis de áudio e os artefactos indesejados continuam a exigir revisão.
Duração e resolução
O PoYo aceita durações inteiras de 5 a 20 segundos e suporta saída em 720p e 1080p em oito proporções. O áudio nativo pode ser ativado no mesmo pedido.
Os workflows padrão de texto, imagem, primeiro e último frame e keyframes custam 34 créditos por segundo em 720p ou 58 créditos por segundo em 1080p. A extensão de vídeo custa 82 créditos por segundo em 720p ou 106 créditos por segundo em 1080p. A taxa de frames, o codec, o tempo de geração e outros detalhes operacionais devem ser confirmados na documentação da API do FLUX 3 em vigor.
Consistência de personagens e de estilo
O FLUX 3 usa referências visuais para ajudar a manter os elementos centrais entre cenas. A BFL afirma que as referências podem manter as personagens consistentes em sequências de várias cenas com vários minutos de duração.
Essa saída mais longa é criada encadeando clipes individuais, e não gerando vários minutos numa só chamada. Cada plano pode continuar a exigir:
- Seleção de referências
- Continuidade do prompt
- Planeamento das transições
- Revisão da identidade
- Verificação da continuidade do áudio
- Edição e montagem
O encadeamento com agents pode automatizar parte do planeamento, mas não transforma o limite de 20 segundos por geração num plano contínuo ilimitado.
Tipografia e design animado
A BFL destaca a tipografia sólida e o design animado como capacidades do FLUX 3 Video. Isto poderá servir para:
- Cartazes em movimento
- Sequências de títulos
- Anúncios de produtos
- Tipografia cinética
- Anúncios para redes sociais
- Animação de interfaces e de gráficos
O texto gerado deve continuar a ser verificado frame a frame. Um título pode parecer correto num momento e deformar-se durante o movimento.
Primeiros resultados de avaliação
Nos testes preliminares de preferência humana da BFL, o FLUX 3 foi comparado com vários modelos de vídeo. A empresa indica taxas de preferência que vão de 52% contra o Seedance 2.0 e o Gemini Omni Flash a 93% contra o Luma Ray 3.2.
Estes resultados exigem contexto:
- Foram publicados pelo programador do modelo.
- Usaram clipes de texto para vídeo de 10 segundos, em 720p e com áudio.
- O candidato FLUX 3 e o sistema de avaliação ainda estavam em desenvolvimento.
- Os resultados “até” podem resumir subconjuntos e não todas as categorias de prompts.
- Ainda não há reprodução independente.
Os números são uma primeira evidência útil, mas não provam que o FLUX 3 seja melhor em tudo.
Casos de utilização práticos
Cenas curtas guiadas por diálogo
A fala nativa e a expressão facial tornam o FLUX 3 relevante para momentos narrativos curtos e para conceitos de personagens multilingues.
Vídeos de produto e de marca
As imagens de referência podem estabelecer um produto ou uma identidade visual, enquanto o som nativo cria um rascunho de campanha mais completo.
Vídeo para redes sociais
Várias proporções, texto animado e curta duração adequam-se a anúncios, comunicados e formatos verticais das redes sociais.
Pré-visualização
Imagens, vídeo de referência e keyframes podem transformar storyboards em pré-visualizações em movimento para decisões sobre câmara, tempo e transições.
Variação e continuação de vídeo
As equipas podem explorar cenas alternativas, prolongar um plano ou levar uma personagem central para outro contexto.
Narrativas com vários planos
Clipes encadeados podem criar sequências mais longas, enquanto as referências visuais ajudam a manter a consistência.
Disponibilidade da API do FLUX 3 Video
O FLUX 3 Video está disponível agora no PoYo através de cinco IDs de modelo de produção:
flux-3/text-to-videoflux-3/image-to-videoflux-3/first-last-frame-to-videoflux-3/extend-videoflux-3/keyframes-to-video
Os cinco usam o fluxo de geração assíncrono do PoYo para submeter tarefas e obter o estado. Usa a página do modelo FLUX 3 para geração interativa ou a documentação da API para os detalhes de integração.
Perguntas frequentes
O FLUX 3 Video já está disponível?
Sim. O PoYo disponibiliza cinco workflows de produção para texto, imagens, primeiro e último frame, extensão de vídeo de origem e keyframes posicionados.
O FLUX 3 Video gera som?
Sim. Gera áudio nativo em conjunto com o vídeo, incluindo som ambiente e diálogo multilingue.
Que duração pode ter um vídeo do FLUX 3?
A BFL afirma que uma única geração pode ter até 20 segundos. Podem montar-se sequências mais longas encadeando clipes.
O FLUX 3 suporta imagem para vídeo?
Sim. Pode animar um frame inicial ou usar imagens como referências visuais.
Suporta vídeo para vídeo?
Sim. A BFL afirma que um vídeo de origem pode orientar elementos centrais, como uma personagem, numa nova cena ou num novo contexto.
O FLUX 3 consegue continuar um vídeo existente?
Sim. A continuação de vídeo e áudio é um dos workflows anunciados.
Que idiomas suporta o FLUX 3?
A BFL anunciou o diálogo multilingue, mas não publicou uma lista completa de idiomas suportados.
Quanto custa a API do FLUX 3 Video?
Os workflows padrão custam 34 créditos por segundo em 720p ou 58 em 1080p. A extensão de vídeo custa 82 créditos por segundo em 720p ou 106 em 1080p.
Conclusão
O FLUX 3 Video combina vários workflows que antes exigiam modelos separados: texto para vídeo, animação de imagens, transformação de vídeo, continuação, transições por keyframes e geração de áudio.
A sua diferença mais importante não é só a duração de 20 segundos. É a tentativa de gerar movimento e som a partir de uma só representação partilhada, aceitando referências em vários meios.
Lê tudo o que se sabe atualmente sobre o FLUX 3, compara o FLUX 3 e o FLUX 2 ou usa o FLUX 3 no PoYo.