Black Forest Labs: FLUX Video Edit

FLUX Video Edit [fast] ist der promptgesteuerte Workflow von Black Forest Labs zum Verändern eines vorhandenen Videos. Er empfängt einen Quellclip und eine Anweisung zur Bearbeitung und liefert anschliessend ein bearbeitetes MP4. Die Quelle legt die Einstellung fest: Ihre Dauer, ihr Bildausschnitt, ihre Kamerabewegung und ihr Timing liefern die Ausgangsstruktur. Benennen Sie im Prompt, was anders werden soll, statt eine vollständig neue Szenenbeschreibung zu verfassen, die die vorgesehene Änderung unklar lässt.

Änderung und Position benennen

Zu den dokumentierten Bearbeitungen gehören Entfernen, Hinzufügen oder Ersetzen von Gegenständen und Figuren, Neuaufbau der Umgebung, Umgestaltung des Clipstils, Änderung sichtbaren Textes und Überarbeitung von Dialog oder Ton. Beginnen Sie mit Ziel und Operation. Eine eigene Anweisung könnte eine Tasche von einem Stuhl entfernen und dabei die sitzende Person und den Raum bewahren oder einen schlichten Becher durch einen blauen Emaillebecher ersetzen, ohne die Bewegung der Hand zu verändern. Unterscheiden Sie bei mehreren ähnlichen sichtbaren Objekten das Ziel durch Position, Aussehen oder Rolle.

Beschreiben Sie bei einer Ergänzung Ort, Grösse und zugehörige Handlung. Eine hohe rote Lampe neben dem Sofa ist konkreter als eine unbestimmte zusätzliche Lampe irgendwo in der Einstellung. Benennen Sie bei einer Ersetzung, was wodurch ersetzt wird und welche Bewegung oder welcher Kontakt erhalten bleiben soll. Der Promptleitfaden des Herstellers empfiehlt die kürzeste Anweisung, die die Änderung vollständig benennt, mit Einzelheiten dort, wo die Bearbeitung sie erfordert. Bewahren Sie Quellmerkmale bewusst, statt eine allgemeine Verbesserung mit nicht bewertbarem Umfang zu verlangen.

Umgebungen, Stile und grobe Animation

Ein Umgebungswechsel kann den sichtbaren Schauplatz neu aufbauen und zugleich die Handlung bewahren. Der Hersteller demonstriert den Austausch einer Kletterfläche durch eine andere Struktur und die Angabe neuer Kontaktpunkte, damit Hände und Füsse der Figur weiterhin eine sinnvolle Oberfläche haben. Beschreiben Sie in einer praktischen Szene die geänderte Umgebung und die Geometrie, auf die die vorhandene Bewegung angewiesen ist. Ein neuer Hintergrund ist leichter zu beurteilen, wenn die ursprüngliche Handlung einen ausdrücklichen Bezug zu ihm hat.

Der Leitfaden zeigt ausserdem die Umwandlung einer groben Animation in eine fertige visuelle Gestaltung. Benennen Sie, welche Blockout-Objekte zu den vorgesehenen Fahrzeugen oder Requisiten werden, und bewahren Sie dann deren Pfade, Geschwindigkeiten und Bezug zur Kamera. Beschreiben Sie bei einer Stiländerung neben der Ästhetik auch entstehende Materialien, Oberflächen, Licht und Reflexionen. Eine tonmodellartige und eine fotografisch wirkende Szene benötigen unterschiedliche sichtbare Hinweise, selbst wenn sie derselben Handlung folgen.

Eine weitere Überarbeitung kann das erste bearbeitete Ergebnis als neue Quelle verwenden. Bewahren Sie das Original und jede gewählte Stufe auf und geben Sie dem nächsten Durchlauf einen klaren Zweck. Das dokumentierte Beispiel führt von einer groben Vorschau über eine fertige Umgebung zu einer weiteren Lichtgestaltung. Vergleichen Sie nach jedem Durchlauf den überarbeiteten Clip mit der vorherigen Quelle und prüfen Sie, ob die Merkmale, die Sie bewahren wollten, noch vorhanden sind.

Dialog muss in die vorhandene Zeit passen

Der Workflow übernimmt Quellaudio, sofern die Anweisung keine Dialog- oder Tonänderung verlangt. Eine stumme Quelle liefert ein stummes Ergebnis und enthält deshalb keine vorhandene Sprachausgabe zur Überarbeitung. Zitieren Sie für eine Dialogbearbeitung die gewünschte Zeile, identifizieren Sie den Sprecher und passen Sie die neuen Wörter in die Zeit der Quellzeile ein. Der Leitfaden berichtet von einer längeren Ersetzung, die abgeschnitten wurde, als sie das verfügbare Sprechintervall überschritt. Mehr Wörter zu schreiben schafft innerhalb der vorhandenen Einstellung keine zusätzliche Sprechzeit.

Prüfen Sie die hörbare Zeile zusammen mit der sichtbaren Darbietung. Bewahren Sie eine Kopie des Quellwortlauts und der gewünschten Ersetzung auf, damit ein ausgelassenes Wort, eine falsch getimte Formulierung oder eine unerwünschte Klangänderung erkannt werden kann. Das nützliche Ergebnis ist der überarbeitete gesprochene Moment innerhalb der bearbeiteten Szene, kein allein wegen eines abgeschlossenen Renderings als originalgetreu angenommenes Transkript.

Quellgrenzen und übernommene Ausgabe

Das genaue Herstellerprofil verlangt ein Video und einen Bearbeitungsprompt. Die Anweisung umfasst nach dem Entfernen umgebender Leerzeichen ein bis 4’096 Zeichen. Der Clip wird per URL oder kodiertem MP4 bereitgestellt, mit höchstens fünfzehn Sekunden Länge und einer Eingabegrenze von fünfzig MiB. Jede Seite muss mindestens 160 Pixel haben, und der normalisierte Clip muss bei 24 fps mindestens siebzehn Bilder enthalten, ungefähr sieben Zehntelsekunden. Zu lange Quellen werden abgelehnt statt stillschweigend gekürzt; zu kleine Quellen können während der Verarbeitung fehlschlagen.

Der dokumentierte Ablauf verarbeitet mit 24 fps und folgt Quelllänge und Seitenverhältnis. Eingaben oberhalb des 720p-Profils werden verkleinert; der Hersteller nennt eine Quelle mit 1920×1088, die als 1248×704 zurückkommt. Dauer, Auflösung und Seitenverhältnis sind in diesem Bearbeitungsprofil keine unabhängigen Ausgabeeinstellungen. Das Sampling-Verfahren wird intern gehandhabt; Felder wie mode, version, seed oder generate_audio werden im angegebenen Anfragevertrag nicht akzeptiert.

Ein Video, das nur als Bewegungs- oder Stilinspiration für eine neu erzeugte Einstellung dient, gehört zu einem anderen Workflow. Dieser Editor akzeptiert keine Bildreferenz, reine Audioeingabe, Masken oder eine Anfrage zur Clipverlängerung. Bereiten Sie das tatsächlich zu ändernde Video vor und behalten Sie seine ausgewählte Dauer bei, bevor Sie die Bearbeitung formulieren. Nach asynchroner Verarbeitung liefert der Hersteller das bearbeitete MP4 über einen vorübergehenden signierten Auslieferungslink, der ungefähr eine Stunde gültig ist. Speichern Sie das Ergebnis und vergleichen Sie geändertes Objekt, umgebende Bilder, Timing und Audio mit der Quelle, bevor Sie den Clip in einem längeren Schnitt verwenden.