Black Forest Labs: FLUX.3 Video

A FLUX 3 Video a Black Forest Labs multimodális modellje szinkronizált hangú videó generálásához. Szöveges feladatból jelenetet készít, rögzített képek köré mozgást épít, vagy meglévő klipet folytat. Beszéd, effektek és atmoszféra a képkockákkal együtt generálható, olyan rövid jelenetet támogatva, amelynek kameramozgását, cselekményét és hangját egyetlen sorozatként tervezik meg.

Szöveg–videóhoz írd le az alanyt, helyszínt, látható cselekményt, kameraviselkedést és hangot. Hasznos termékjelenet tág nézettel kezdhet, anyagrészlet felé mozdulhat, és használat közbeni termékkel végződhet. A többsnittes feladat megnevezheti az egyes snitteket és kameraállások közötti átmenetet, az egész sorozatban következetesen tartva az alanyt és vizuális stílust. Tipográfia jelenhet meg a jelenetben, ezért ha felirat vagy cím számít, add meg a pontos szavakat és elhelyezésüket. A modell élőszereplős képet, animációt, mozgógrafikát és stilizált megjelenést fed le.

A kép–videó egy–tíz kulcsképet használ. Egyetlen kép rögzíti a nyitóképkockát; egy pár a kezdést és befejezést köti meg, míg a sorrendbe rendezett időbélyeges képek konkrét pillanatokat irányítanak a klipben. Ezek a képek a videó képkockái lesznek, nem pusztán általános stílusreferenciák. Három vagy több időbélyeg nélküli képnél a gyártó explicit időtartamot kér: az első és utolsó rögzíti a végpontokat, a többi egyenletesen kerül közéjük. Az időbélyeges képkockáknak időrendben kell lenniük; az automatikus időtartam a felfelé kerekített utolsó időbélyegig tart, a 20 másodperces maximumon belül. Kompatibilis alanyokkal, képkivágással és vizuális részletekkel készíts kulcsképeket, majd írd le közöttük a mozgást. Termékfelfedésnél az első kép zárt tárgyat, az utolsó a kinyitott elrendezést mutathatja, a köztes műveletet a prompt határozza meg.

A videófolytatás a megadott klip utolsó képkockáiból indul. Az induláskori munkafolyamat legfeljebb négy másodpercnyi meglévő videót és hangot használ a következő cselekmény kontextusaként, átvíve a kameraviselkedést, mozgást és hangot a csatlakozáson. Olyan forrásvéget válassz, amely világosan rögzíti az alany és a kamera haladási irányát, és írd le a következő eseményt. A folytatás különbözik meglévő snitt átírásától: a FLUX Video Edit külön szerkesztőmodell, és nem válik a generálómodell részévé pusztán attól, hogy mindkettő videót fogad.

A szöveg- és képfeltételes generálás 5–20 másodperces klipeket támogat. A módspecifikus áttekintés a videófolytatáshoz 5–15 másodperces kimeneti tartományt ad. Az időtartam és képarány automatikusan választható, vagy a feladat támogatott fekvő, négyzetes vagy álló alakot adhat meg, köztük 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16 és 9:21 arányt. A kimenet másodpercenként 24 képkockás. Az időtartamot kevés látható művelet köré válaszd, ne egy teljes történetet próbálj egy rövid generálásba sűríteni.

A HD-kimenet közvetlenül a generálásból jön; az FHD, QHD és UHD ugyanazt a jelenetet videófelnagyítóval fejezi be. 16:9 esetén az átadott méretek rendre 1280 × 704, 1920 × 1088, 2560 × 1440 és 3840 × 2176. A méretek 32 többszöröseihez igazodnak, ezért a megnevezett felbontási osztály eltérhet a szokásos átadási mérettől. Ha pontos szabványos vászon kell, vágd a kész képkockát, megőrizve a szélein fontos tartalmat. A nagyobb felbontás befejezési lépés, nem a snitt eltérő értelmezése.

A natív hang alapértelmezés szerint engedélyezett, és néma kliphez kikapcsolható. Párbeszédnél idézd a sort, azonosítsd a beszélőt, és írd le az előadást; a többnyelvű beszéd, akcentusok és szájszinkron a modell hang–videó képességeihez tartoznak. A párbeszédet és hangjelzéseket kapcsold a látható eseményhez, például fedélcsukódáshoz vagy távolodó lépésekhez. A hangot, időzítést és kimondott megfogalmazást a képpel együtt ellenőrizd, ne tekintsd a hangot generálás után hozzáadott független rétegnek.

A Draft mód HD-előnézetet és vázlatcsomagot készít. A kiválasztott csomagon végezz minőségjavítást, hogy azt a generálást teljes minőségben rendereld; ugyanannak a promptnak friss teljes renderként való beküldése új értelmezés, és eltérő felvételt eredményezhet. A vázlat csak HD-t használ, míg a minőségjavítás a négy felbontási osztályból választhat, és FHD-alapértékű. Ez gyakorlati sorrendet ad: először a cselekmény és kompozíció feltárása, majd a választott felvétel befejezése a tervezett átadási méreten.

A gyártó munkafolyamata feladatazonosítót ad az MP4 elkészülése előtt, majd a feldolgozás végén a kész klipet. Az aláírt eredményhelyek körülbelül két óra után lejárnak, ezért a snitt kiválasztásakor őrizd meg a tényleges anyagot. A feladatleíráshoz képest vizsgáld meg a kulcskép-átmeneteket, vágásokat, tipográfiát, alanyrészleteket és hangcsatlakozást. Hosszabb sorozathoz a sikeres snitt referenciáit és zárókontextusát őrizd meg következőklip-bemenetként, ne feltételezd, hogy egyetlen rövid kérés tartalmazza a teljes produkciót.