FLUX 3 Video, Black Forest Labs'ın tam görsel-işitsel üretime yönelik ilk FLUX modelidir. Video ve yerel sesi birlikte oluşturur, metin, görüntü ve video referanslarını kabul eder ve tek bir üretimde 20 saniyeye kadar uzunlukta klipler üretir.
FLUX 3; metinden videoya, görüntüden videoya, ilk/son kare, video uzatma ve konumlandırılmış ana karelerle PoYo'da kullanılabilir. FLUX 3.
FLUX 3 Bir Bakışta Video
| Özellik | Destek duyuruldu |
|---|---|
| Metinden videoya | Evet |
| Resimden videoya | Evet |
| Resim referansları | Evet |
| Videodan videoya | Evet |
| Video ve sesin devamı | Evet |
| Ana kareden videoya | Evet |
| Yerel ses | Evet |
| Çok dilli diyalog | Evet |
| Maksimum tek üretim süresi | 20 saniyeye kadar |
| En boy oranları | Çoklu formatlar duyuruldu |
| Animasyonlu Tipografi | Duyuru |
| Çoklu çekim sekansları | Aracı zincirleme duyuruldu |
| Genel PoYo API | Şimdi kullanılabilir |
FLUX 3 Videosu Nedir?
FLUX 3 Video, daha geniş FLUX 3 multimodal temel modelinin bir uygulamasıdır. Çerçeve oluşturmak için uyarlanmış bir görüntü modelinden farklı olarak FLUX 3, paylaşılan bir mimaride görüntüler, video ve ses üzerinden eğitildi.
Amaç görsel görünümden daha fazlasını modellemektir. Video, hareketi ve zamansal ilişkileri öğretir. Ses, etkiler, malzemeler, konuşma ve çevresel olaylar hakkında bilgi sağlar. Ortak eğitim, üretilen sesin ekranda olup bitenlerle ilişkilendirilmesini sağlar.
FLUX 3'ün özel araştırma değişkenleri aracılığıyla içerik oluşturmanın ötesinde eylem tahminine kadar uzanmasının nedeni de budur.
Black Forest Labs'ın resmi FLUX 3 lansman medyası.
Metinden Videoya
Metinden videoya, doğrudan yazılı bir sahne açıklamasından bir klip oluşturur. Yararlı bir istem şunları tanımlayabilir:
- Konu ve eylem
- Yer ve zaman
- Kamera konumu ve hareketi
- Görsel stil
- Sözlü diyalog
- Çevresel ses
- Olayların zamanlaması ve sırası
- En boy oranı
PoYo istekleri istem, süre, çözünürlük, oran, ses ve görüntü, video ya da ana kare girdilerini içerir.
Görüntüden Videoya
FLUX 3 iki görüntü odaklı yaklaşımı destekler.
Başlangıç karesi animasyonu
Bir görüntü ilk kareyi tanımlayabilir, ardından model hareket ve ses oluşturur. Bu, ürün resimlerini, çizimlerini, portrelerini veya tasarlanmış sahneleri canlandırmak için kullanışlıdır.
Görsel referans girişi
Görüntüler aynı zamanda gerçek ilk çerçeve olmadan kimlik, konu veya stil referansları olarak da hareket edebilir. Bu, yeni bir sahnede bir karakterin, nesnenin veya görsel yönün korunmasına yardımcı olabilir.
Görüntüden video bir görüntü, ilk/son kare iki sıralı görüntü, ana kare iş akışı en fazla on görüntü kabul eder.
Videodan Videoya
Videodan videoya, referans olarak bir kaynak klibi kullanır ve merkezi öğeleri farklı bir sahneye veya bağlama taşır.
Potansiyel uygulamalar şunları içerir:
- Aynı karakteri yeni bir ortama taşımak
- Görüntüleri başka bir görsel tarzda yeniden yorumlamak
- Sahneyi değiştirirken hareketi korumak
- Mevcut bir çekimin varyasyonlarını oluşturma
- Bir performansı zamansal referans olarak kullanmak
flux-3/extend-video kaynak videoyu uzatır; genel amaçlı video yeniden biçimlendirme uç noktası değildir.
Video ve Sesin Devamı
FLUX 3 bir giriş videosuna ve sesine devam edebilir. Bir devam modelinin birkaç şeyi birlikte genişletmesi gerekir:
- Konu görünümü
- Kamera hareketi
- Nesne yörüngeleri
- Aydınlatma ve çevre
- Diyalog veya ortam
- Ritim ve olay zamanlaması
Bu iş akışı, her bir klibi ilgisiz bir komuttan başlatmadan kısa çekimleri uzatabilir veya ardışık hikaye akışları üretebilir.
Ana Kareden Videoya
Ana kareden videoya, tanımlanmış görsel anlar arasında bir geçiş oluşturur. Başlangıç ve bitiş çerçeveleri, kompozisyonu tek başına metinden daha kesin bir şekilde iletebilir.
Olası kullanımlar şunları içerir:
- Ürün dönüşümleri
- Kamera geçişleri
- Pozlar arasında karakter hareketi
- Öncesi ve sonrası dizileri
- Logo veya tipografi animasyonu
- Storyboard'dan harekete ön görselleştirme
Görüntü URL'si ve kare indeksiyle en fazla on ana kare desteklenir.
Yerel Ses Üretimi
Yerel ses, FLUX 3 Videonun tanımlayıcı özelliğidir. Model, tamamen ayrı bir ses hattına dayanmak yerine, aynı sahnenin parçası olarak ses üretiyor.
Olaya göre hizalanmış ses
Çarpma, hareket ve mekanik etkileşimler gibi eylemler, görünür olaya göre zamanlanmış ses üretebilir. BFL, modelin sesleri fiziksel olaylarla ilişkilendirme konusunda özellikle güçlü olduğunu söylüyor.
Çevresel ses
Bir sahne, konumuna, hava durumuna ve aktiviteye uygun bir ambiyans içerebilir. Bu, sessiz video oluşturmaya göre daha eksiksiz bir ilk taslak sağlayabilir.
Çok dilli diyalog
Black Forest Labs, çok dilli diyaloğu temel bir yetenek olarak listeliyor. Lansman duyurusu, her dil için tam bir dil listesi veya ölçülen konuşma doğruluğu sağlamamaktadır.
Video ve sesin devamı
Model, potansiyel olarak ambiyansı, konuşma bağlamını ve olay zamanlamasını yeni bölüme taşıyarak görsel-işitsel bir girişi genişletebilir.
Yerel üretim, post prodüksiyonu ortadan kaldırmaz. Diyalog doğruluğu, telaffuz, dudak senkronizasyonu, ses seviyeleri ve istenmeyen etkiler hâlâ incelenmeyi gerektiriyor.
Süre ve Çözünürlük
5–20 saniye, 720p/1080p, sekiz en-boy oranı ve yerel ses desteklenir. Standart iş akışları saniyede 34/58 kredi, uzatma 82/106 kredidir.
Model kimlikleri, parametreler ve fiyatlar için güncel PoYo belgelerine bakın. API.
Karakter ve Stil Tutarlılığı
FLUX 3, sahnelerdeki merkezi öğelerin korunmasına yardımcı olmak için görsel referanslar kullanır. BFL, referansların karakterleri birkaç dakika süren çok sahneli sekanslarda tutarlı tutabileceğini söylüyor.
Bu daha uzun çıktı, tek bir çağrıda birkaç dakika oluşturularak değil, ayrı ayrı kliplerin zincirlenmesiyle oluşturulur. Her atış yine de aşağıdakileri gerektirebilir:
- Referans seçimi
- Hızlı süreklilik
- Geçiş planlaması
- Kimlik incelemesi
- Ses sürekliliği kontrolleri
- Düzenleme ve montaj
Ajans zincirleme planlamanın bir kısmını otomatikleştirebilir ancak 20 saniyelik tek üretim sınırını sınırsız bir sürekli çekime dönüştürmez.
Tipografi ve Animasyonlu Tasarım
BFL, FLUX 3 Video yetenekleri olarak güçlü tipografiyi ve animasyonlu tasarımı öne çıkarır. Bu şunları destekleyebilir:
- Hareket posterleri
- Başlık dizileri
- Ürün duyuruları
- Kinetik tipografi
- Sosyal reklamlar
- Arayüz ve grafik animasyonu
Oluşturulan metin yine de kare kare kontrol edilmelidir. Bir başlık bir anda doğru görünebilir ve hareket sırasında deforme olabilir.
Erken Değerlendirme Sonuçları
BFL'nin ilk insan tercihi testlerinde FLUX 3 çeşitli video modelleriyle karşılaştırıldı. Şirket, Seedance 2.0 ve Gemini Omni Flash karşısında %52 ile Luma Ray 3.2 karşısında %93 arasında değişen tercih oranları bildiriyor.
Bu sonuçlar bağlam gerektirir:
- Model geliştiricisi tarafından yayınlandılar.
- Sesli 10 saniyelik, 720p metinden videoya klipler kullandılar.
- FLUX 3 aday ve değerlendirme donanımı hâlâ geliştirilme aşamasındaydı.
- "En fazla" sonuçları her istem kategorisi yerine alt kümeleri özetleyebilir.
- Bağımsız çoğaltma henüz mevcut değildir.
Rakamlar, FLUX 3'ün evrensel olarak daha iyi olduğunun kanıtı değil, yararlı erken kanıtlardır.
Pratik Kullanım Durumları
Diyalog odaklı kısa sahneler
Yerel konuşma ve yüz ifadesi, FLUX 3'ü kısa anlatım anları ve çok dilli karakter konseptleriyle alakalı hale getirir.
Ürün ve marka videoları
Referans görseller bir ürün veya görsel kimlik oluşturabilirken yerel ses daha eksiksiz bir kampanya taslağı oluşturur.
Sosyal video
Çoklu en boy oranları, animasyonlu metinler ve kısa süreli reklamlar, duyurular ve dikey sosyal formatlara uygundur.
Ön görselleştirme
Görüntüler, referans video ve ana kareler, storyboard'ları kamera, zamanlama ve geçiş kararları için hareketli önizlemelere dönüştürebilir.
Video varyasyonu ve devamı
Ekipler alternatif sahneleri keşfedebilir, bir çekimi genişletebilir veya merkezi bir karakteri başka bir bağlama taşıyabilir.
Çoklu çekim hikaye anlatımı
Zincirlenmiş klipler daha uzun sekanslar oluşturabilirken, görsel referanslar tutarlılığın korunmasına yardımcı olur.
FLUX 3 Video API Kullanılabilirliği
PoYo'da beş üretim video iş akışı kullanılabilir:
flux-3/text-to-videoflux-3/image-to-videoflux-3/first-last-frame-to-videoflux-3/extend-videoflux-3/keyframes-to-video
Model kimlikleri, parametreler ve fiyatlar için güncel PoYo belgelerine bakın.
Sıkça Sorulan Sorular
FLUX 3 Video şu anda mevcut mu?
Şimdi kullanılabilir.
FLUX 3 Video ses üretir mi?
Evet. Çevresel ses ve çok dilli diyalog dahil olmak üzere videoyla birlikte yerel ses üretir.
Bir FLUX 3 videosu ne kadar uzun olabilir?
BFL, tek bir neslin 20 saniyeye kadar çıkabileceğini söylüyor. Daha uzun diziler, klipslerin zincirlenmesiyle birleştirilebilir.
FLUX 3 görüntüden videoya geçişi destekliyor mu?
Evet. Bir başlangıç karesini canlandırabilir veya görüntüleri görsel referans olarak kullanabilir.
Videodan videoya desteği var mı?
Evet. BFL, bir kaynak videonun yeni bir sahne veya bağlamdaki bir karakter gibi merkezi unsurları yönlendirebileceğini söylüyor.
FLUX 3 mevcut bir videoya devam edebilir mi?
Evet. Video ve ses devamı da duyurulan iş akışlarından biri.
FLUX 3 hangi dilleri destekliyor?
BFL çok dilli diyaloğu duyurdu ancak desteklenen dillerin tam bir listesini yayınlamadı.
FLUX 3 Video API'nin maliyeti nedir?
5–20 saniye, 720p/1080p, sekiz en-boy oranı ve yerel ses desteklenir. Standart iş akışları saniyede 34/58 kredi, uzatma 82/106 kredidir.
Sonuç
FLUX 3 Video, daha önce ayrı modeller gerektiren çeşitli iş akışlarını birleştirir: metinden videoya, görüntü animasyonu, video dönüştürme, devam, ana kare geçişleri ve ses oluşturma.
En önemli farkı sadece 20 saniyelik süresi değil. Birden fazla medyadaki referansları kabul ederken, paylaşılan bir temsilden hareket ve ses üretme girişimidir.