Black Forest Labs: FLUX.3 Video

FLUX 3 Video er Black Forest Labs' multimodale model til generering af video med synkroniseret lyd. Den skaber scener fra en tekstbrief, bygger bevægelse omkring fastlagte billeder eller fortsætter et eksisterende klip. Tale, effekter og atmosfære kan genereres sammen med billederne og understøtte en kort scene, hvor kamerabevægelse, handling og lyd designes som én sekvens.

Til tekst-til-video skal du beskrive motiv, omgivelser, synlig handling, kameraadfærd og lyd. En nyttig produktscene kan begynde med et totalbillede, bevæge sig mod en materialedetalje og slutte med produktet i brug. Briefs med flere indstillinger kan navngive hver indstilling og overgangen mellem kameravinkler, mens motiv og visuel stil holdes ensartede gennem sekvensen. Typografi kan optræde i scenen, så lever de præcise ord og deres placering, når et skilt eller en titel er vigtig. Modellen dækker realfilm, animation, motion graphics og stiliserede udtryk.

Billede-til-video bruger ét til ti nøglebilleder. Et enkelt billede etablerer åbningsbilledet; et par fastlægger start og slutning, mens ordnede billeder med tidsstempler styrer bestemte øjeblikke i klippet. Billederne bliver billeder i videoen frem for kun at være generelle stilreferencer. Ved tre eller flere billeder uden tidsstempler kræver producenten en eksplicit varighed: det første og sidste fastlægger endepunkterne, og de øvrige placeres jævnt imellem dem. Tidsstemplede billeder skal være i tidsrækkefølge; automatisk varighed går til det sidste tidsstempel rundet op inden for maksimum på 20 sekunder. Forbered nøglebilleder med kompatible motiver, indramning og visuelle detaljer, og beskriv derefter bevægelsen imellem dem. Til en produktafsløring kan det første billede vise den lukkede genstand og det sidste den åbnede opstilling med den mellemliggende handling defineret i prompten.

Videofortsættelse tager over fra det leverede klips sidste billeder. Lanceringsarbejdsgangen bruger op til fire sekunders eksisterende video og lyd som kontekst til næste handling og fører kameraadfærd, bevægelse og lyd hen over samlingen. Vælg en kildeafslutning, der tydeligt etablerer, hvor motiv og kamera er på vej hen, og beskriv det næste, der sker. Fortsættelse er forskellig fra at omskrive en eksisterende indstilling: FLUX Video Edit er en særskilt redigeringsmodel og bliver ikke en del af genereringsmodellen alene, fordi begge accepterer video.

Tekst- og billedbetinget generering understøtter klip fra 5 til 20 sekunder. Den tilstandsspecifikke oversigt giver videofortsættelse et outputinterval på 5–15 sekunder. Varighed og billedformat kan vælges automatisk, eller briefen kan angive en understøttet liggende, kvadratisk eller stående form, herunder 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16 og 9:21. Outputtet er på 24 billeder pr. sekund. Vælg varigheden omkring et lille antal synlige handlinger frem for at forsøge at få en hel fortælling ind i én kort generering.

HD-output kommer direkte fra genereringen; FHD, QHD og UHD færdiggør samme scene med en videoopsampler. For 16:9 er de leverede dimensioner henholdsvis 1280 × 704, 1920 × 1088, 2560 × 1440 og 3840 × 2176. Dimensioner tilpasses multipla af 32, så en navngiven opløsningsklasse kan afvige fra en konventionel leveringsstørrelse. Beskær det færdige billede, når et præcist standardlærred kræves, og bevar det indhold, der er vigtigt ved kanterne. Den højere opløsning er et færdiggørelsestrin frem for en anden fortolkning af indstillingen.

Indbygget lyd er aktiveret som standard og kan deaktiveres til et lydløst klip. Til dialog skal replikken citeres, taleren identificeres og fremførelsen beskrives; flersproget tale, accenter og læbesynkronisering er en del af modellens lyd-video-funktioner. Hold dialog og lydmarkører forbundet med den synlige begivenhed, som et låg, der lukker, eller fodtrin, der bevæger sig væk. Gennemgå stemme, timing og talt ordlyd sammen med billedet frem for at behandle lyden som et uvedkommende lag tilføjet efter genereringen.

Draft-tilstand producerer en HD-forhåndsvisning og en udkastpakke. Forbedr den valgte pakke for at rendere denne generering i fuld kvalitet; at sende samme prompt som en ny fuld renderingsanmodning er en ny fortolkning og kan producere en anden optagelse. Udkast bruger kun HD, mens forbedring kan vælge de fire opløsningsklasser og har FHD som standard. Det giver en praktisk rækkefølge, hvor handling og komposition udforskes først, og den valgte optagelse derefter færdiggøres til den tilsigtede leveringsstørrelse.

Producentens arbejdsgang returnerer en opgaveidentifikator, før MP4-filen er klar, og leverer derefter det færdige klip, når behandlingen er afsluttet. Signerede resultatplaceringer udløber efter cirka to timer, så gem selve aktivet, når indstillingen er valgt. Undersøg nøglebilledovergange, klip, typografi, motivdetaljer og lydsamling i forhold til briefen. Til en længere sekvens skal den vellykkede indstillings referencer og afsluttende kontekst bevares som input til næste klip frem for at antage, at én kort anmodning indeholder hele produktionen.