Black Forest Labs: FLUX.3 Video

FLUX 3 Video ist das multimodale Modell von Black Forest Labs zur Videogenerierung mit synchronisiertem Audio. Es erstellt Szenen aus einem Textbriefing, entwickelt Bewegung rund um festgelegte Bilder oder setzt einen vorhandenen Clip fort. Gesprochener Text, Effekte und Atmosphäre können gemeinsam mit den Bildern erzeugt werden und unterstützen eine kurze Szene, deren Kamerabewegung, Handlung und Ton als eine Abfolge gestaltet sind.

Beschreiben Sie für Text-zu-Video Motiv, Umgebung, sichtbare Handlung, Kameraverhalten und Ton. Eine nützliche Produktszene kann mit einer weiten Ansicht beginnen, sich einem Materialdetail nähern und mit dem Produkt in Verwendung enden. Briefings für mehrere Einstellungen können jede Einstellung und den Übergang zwischen Kamerawinkeln benennen und dabei Motiv und visuellen Stil über die Abfolge hinweg konsistent halten. Typografie kann in der Szene erscheinen; geben Sie deshalb genaue Wörter und Platzierung an, wenn ein Schild oder Titel wichtig ist. Das Modell deckt Realfilm, Animation, Motion Graphics und stilisierte Darstellungen ab.

Bild-zu-Video verwendet ein bis zehn Keyframe-Bilder. Ein einzelnes Bild legt das Eröffnungsbild fest; ein Paar fixiert Anfang und Ende, während geordnete Bilder mit Zeitstempeln bestimmte Momente im Clip steuern. Diese Bilder werden zu Videobildern und dienen nicht nur als allgemeine Stilreferenzen. Bei drei oder mehr Bildern ohne Zeitstempel verlangt der Hersteller eine ausdrückliche Dauer: Erstes und letztes Bild fixieren die Endpunkte, die anderen werden gleichmäßig dazwischen platziert. Bilder mit Zeitstempeln müssen zeitlich geordnet sein; automatische Dauer läuft bis zum aufgerundeten letzten Zeitstempel innerhalb des Maximums von 20 Sekunden. Bereiten Sie Keyframes mit kompatiblen Motiven, Bildausschnitten und visuellen Details vor und beschreiben Sie dann die Bewegung dazwischen. Für eine Produktenthüllung kann das erste Bild das geschlossene Objekt zeigen und das letzte die geöffnete Anordnung; die dazwischenliegende Handlung wird im Prompt festgelegt.

Videofortsetzung knüpft an die letzten Bilder des bereitgestellten Clips an. Der Einführungsworkflow verwendet bis zu vier Sekunden vorhandenes Video und Audio als Kontext für die nächste Handlung und übernimmt Kameraverhalten, Bewegung und Ton über die Nahtstelle hinweg. Wählen Sie ein Quellende, das klar festlegt, wohin Motiv und Kamera sich bewegen, und beschreiben Sie, was danach geschieht. Fortsetzung unterscheidet sich vom Umschreiben einer vorhandenen Einstellung: FLUX Video Edit ist ein separates Bearbeitungsmodell und wird nicht Teil des Generierungsmodells, nur weil beide Video akzeptieren.

Text- und bildgesteuerte Generierung unterstützen Clips von 5 bis 20 Sekunden. Die modusspezifische Übersicht gibt Videofortsetzung einen Ausgabebereich von 5–15 Sekunden. Dauer und Seitenverhältnis lassen sich automatisch wählen; das Briefing kann auch ein unterstütztes Quer-, Quadrat- oder Hochformat angeben, darunter 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16 und 9:21. Die Ausgabe hat 24 Bilder pro Sekunde. Wählen Sie die Dauer anhand weniger sichtbarer Handlungen, statt eine ganze Geschichte in eine kurze Generierung zu pressen.

HD-Ausgabe entsteht direkt bei der Generierung; FHD, QHD und UHD stellen dieselbe Szene mit einem Video-Upsampler fertig. Für 16:9 betragen die gelieferten Abmessungen entsprechend 1280 × 704, 1920 × 1088, 2560 × 1440 und 3840 × 2176. Die Abmessungen sind an Vielfachen von 32 ausgerichtet, sodass eine benannte Auflösungsklasse von einer üblichen Ausgabegröße abweichen kann. Beschneiden Sie das fertige Bild, wenn eine genaue Standardfläche benötigt wird, und bewahren Sie dabei die wichtigen Randinhalte. Höhere Auflösung ist ein Fertigstellungsschritt, keine andere Interpretation der Einstellung.

Natives Audio ist standardmäßig aktiviert und lässt sich für einen stummen Clip deaktivieren. Zitieren Sie für Dialog die Zeile, identifizieren Sie den Sprecher und beschreiben Sie die Sprechweise; mehrsprachige Sprachausgabe, Akzente und Lippensynchronisierung gehören zu den Audio-Video-Fähigkeiten des Modells. Verbinden Sie Dialog und Klanghinweise mit dem sichtbaren Ereignis, etwa einem sich schließenden Deckel oder sich entfernenden Schritten. Prüfen Sie Stimme, Timing und gesprochenen Wortlaut gemeinsam mit dem Bild, statt Ton als eine nach der Generierung ergänzte unabhängige Ebene zu behandeln.

Der Draft-Modus erzeugt eine HD-Vorschau und ein Draft-Bundle. Verbessern Sie das ausgewählte Bundle, um diese Generierung in voller Qualität zu rendern; denselben Prompt als neue Anfrage für ein vollständiges Rendering zu senden, ist eine neue Interpretation und kann einen anderen Take erzeugen. Drafts verwenden nur HD; die Verbesserung kann dagegen die vier Auflösungsklassen auswählen und verwendet standardmäßig FHD. Dies ergibt eine praktische Abfolge: zunächst Handlung und Komposition erkunden, dann den gewählten Take in der vorgesehenen Ausgabegröße fertigstellen.

Der Herstellerworkflow liefert eine Aufgabenkennung, bevor das MP4 fertig ist, und stellt den abgeschlossenen Clip nach Ende der Verarbeitung bereit. Signierte Ergebnisadressen laufen nach ungefähr zwei Stunden ab; bewahren Sie deshalb die tatsächliche Datei auf, sobald die Einstellung ausgewählt ist. Prüfen Sie Keyframe-Übergänge, Schnitte, Typografie, Motivdetails und Audionahtstelle anhand des Briefings. Bewahren Sie für eine längere Abfolge die Referenzen und den Endkontext der gelungenen Einstellung als Eingabe für den nächsten Clip, statt anzunehmen, dass eine kurze Anfrage die gesamte Produktion enthält.