Black Forest Labs: FLUX.3 Video

FLUX 3 Video adalah model multimodal Black Forest Labs untuk menghasilkan video dengan audio tersinkron. Model ini menciptakan adegan dari arahan teks, membangun gerakan di sekitar gambar yang ditetapkan sebagai bingkai, atau melanjutkan klip yang ada. Ucapan, efek, dan suasana dapat dihasilkan bersama bingkai, mendukung adegan singkat yang gerak kamera, tindakan, serta bunyinya dirancang sebagai satu urutan.

Untuk teks ke video, jelaskan subjek, latar, tindakan yang terlihat, perilaku kamera, dan bunyi. Adegan produk yang berguna dapat dimulai dengan tampilan lebar, bergerak menuju detail material, dan berakhir pada produk yang digunakan. Arahan banyak shot dapat menyebut setiap shot dan transisi antarsudut kamera, sambil menjaga konsistensi subjek serta gaya visual di sepanjang urutan. Tipografi dapat muncul dalam adegan, jadi berikan kata-kata persis dan penempatannya ketika papan atau judul penting. Model mencakup live action (adegan nyata), animasi, grafis gerak, dan tampilan bergaya.

Gambar ke video menggunakan satu hingga sepuluh gambar bingkai kunci. Satu gambar menentukan bingkai pembuka; sepasang gambar menetapkan awal dan akhir, sedangkan gambar berurutan dengan penanda waktu memandu momen tertentu dalam klip. Gambar ini menjadi bingkai video, bukan hanya referensi gaya umum. Dengan tiga gambar atau lebih tanpa penanda waktu, produsen mewajibkan durasi eksplisit: gambar pertama dan terakhir menetapkan batas awal dan akhir, dan yang lainnya ditempatkan merata di antaranya. Bingkai bertanda waktu harus berurutan menurut waktu; durasi otomatis berjalan hingga penanda waktu terakhir yang dibulatkan ke atas, dalam maksimum 20 detik. Siapkan bingkai kunci dengan subjek, pembingkaian, dan detail visual yang kompatibel, lalu jelaskan gerak di antaranya. Untuk pengungkapan produk, bingkai pertama dapat menampilkan objek tertutup dan bingkai terakhir susunan yang terbuka, dengan tindakan di antaranya ditentukan dalam prompt.

Kelanjutan video dimulai dari bingkai akhir klip yang diberikan. Alur kerja peluncuran menggunakan hingga empat detik video dan audio yang ada sebagai konteks untuk tindakan berikutnya, membawa perilaku kamera, gerakan, serta bunyi melewati sambungan. Pilih akhir sumber yang memperjelas arah gerak subjek dan kamera, lalu jelaskan apa yang terjadi berikutnya. Kelanjutan berbeda dari menulis ulang shot yang ada: FLUX Video Edit merupakan model penyuntingan terpisah dan tidak menjadi bagian model generasi hanya karena keduanya menerima video.

Generasi yang dikondisikan oleh teks dan gambar mendukung klip dari 5 hingga 20 detik. Ikhtisar khusus mode memberi kelanjutan video rentang keluaran 5–15 detik. Durasi dan rasio aspek dapat dipilih otomatis, atau arahan dapat menentukan bentuk lanskap, persegi, atau potret yang didukung, termasuk 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16, dan 9:21. Keluaran memiliki 24 bingkai per detik. Pilih durasi berdasarkan sejumlah kecil tindakan yang terlihat, alih-alih mencoba memasukkan seluruh cerita dalam satu generasi singkat.

Keluaran HD berasal langsung dari generasi; FHD, QHD, dan UHD menyelesaikan adegan yang sama dengan upsampler video. Untuk 16:9, dimensi yang dikirim masing-masing adalah 1280 × 704, 1920 × 1088, 2560 × 1440, dan 3840 × 2176. Dimensi diselaraskan ke kelipatan 32, sehingga kelas resolusi bernama dapat berbeda dari ukuran penyampaian konvensional. Pangkas bingkai akhir ketika kanvas standar yang tepat diperlukan, sambil mempertahankan konten penting pada tepinya. Resolusi lebih tinggi merupakan tahap penyelesaian, bukan interpretasi shot yang berbeda.

Audio bawaan aktif secara default dan dapat dinonaktifkan untuk klip senyap. Untuk dialog, kutip kalimat, identifikasi penutur, dan jelaskan penyampaiannya; ucapan multibahasa, aksen, dan sinkronisasi bibir merupakan bagian kemampuan audio-video model. Hubungkan dialog dan isyarat bunyi dengan peristiwa visual, seperti tutup yang menutup atau langkah kaki menjauh. Tinjau suara, waktu, dan kata-kata yang diucapkan bersama gambar, alih-alih memperlakukan bunyi sebagai lapisan tidak terkait yang ditambahkan setelah generasi.

Mode Draft menghasilkan pratinjau HD dan bundel draft. Tingkatkan bundel pilihan untuk merender generasi itu pada kualitas penuh; mengirim prompt yang sama sebagai permintaan render penuh baru merupakan interpretasi baru dan dapat menghasilkan rekaman berbeda. Draft hanya menggunakan HD, sedangkan peningkatan dapat memilih empat kelas resolusi dan secara bawaan menggunakan FHD. Ini memberikan urutan praktis untuk menjelajahi tindakan serta komposisi terlebih dahulu, lalu menyelesaikan rekaman pilihan pada ukuran penyampaian yang dimaksud.

Alur kerja produsen mengembalikan pengenal tugas sebelum MP4 siap, lalu menyediakan klip lengkap ketika pemrosesan selesai. Lokasi hasil bertanda tangan kedaluwarsa setelah sekitar dua jam, jadi simpan aset sebenarnya setelah shot dipilih. Periksa transisi bingkai kunci, potongan shot, tipografi, detail subjek, dan sambungan audio terhadap arahan. Untuk urutan lebih panjang, pertahankan referensi serta konteks akhir shot yang berhasil sebagai masukan klip berikutnya, alih-alih berasumsi satu permintaan singkat memuat seluruh produksi.