Black Forest Labs: FLUX.3 Video

FLUX 3 Video è il modello multimodale di Black Forest Labs per generare video con audio sincronizzato. Crea scene da un brief testuale, costruisce il movimento attorno a immagini prestabilite o continua un clip esistente. Parlato, effetti e ambiente sonoro possono essere generati insieme ai fotogrammi, per realizzare una breve scena in cui movimento di camera, azione e suono sono progettati come un’unica sequenza.

Per la generazione di video da testo, descrivi soggetto, ambientazione, azione visibile, comportamento della camera e suono. Una scena di prodotto utile può iniziare con una vista ampia, avvicinarsi a un dettaglio del materiale e terminare sul prodotto in uso. I brief con più inquadrature possono indicare ogni inquadratura e la transizione tra angolazioni della camera, mantenendo soggetto e stile visivo coerenti lungo la sequenza. Il testo può comparire nella scena, quindi fornisci le parole esatte e la loro posizione quando un’insegna o un titolo sono importanti. Il modello copre riprese dal vivo, animazione, grafica animata e rese stilizzate.

La generazione di video da immagini usa da una a dieci immagini di fotogrammi chiave. Una sola immagine definisce il fotogramma iniziale; una coppia fissa l’inizio e la fine, mentre immagini ordinate con indicazioni temporali guidano momenti specifici del clip. Queste immagini diventano fotogrammi del video invece di servire soltanto come riferimenti generali di stile. Con tre o più immagini prive di indicazioni temporali, il produttore richiede una durata esplicita: la prima e l’ultima fissano i punti iniziale e finale, e le altre vengono distribuite uniformemente tra esse. I fotogrammi con indicazioni temporali devono essere in ordine cronologico; la durata automatica arriva all’ultima indicazione temporale arrotondata al secondo superiore, entro il massimo di 20 secondi. Prepara fotogrammi chiave con soggetti, inquadratura e dettagli visivi compatibili, poi descrivi il movimento che li collega. Per una presentazione a sorpresa di un prodotto, il primo fotogramma può mostrare l’oggetto chiuso e l’ultimo la configurazione aperta, con l’azione intermedia definita nel prompt.

La continuazione video riprende dai fotogrammi finali del clip fornito. Il flusso di lancio usa fino a quattro secondi di video e audio esistenti come contesto per l’azione successiva, mantenendo comportamento della camera, movimento e suono attraverso il raccordo. Scegli una conclusione sorgente che definisca chiaramente dove si dirigono soggetto e camera e descrivi ciò che accade dopo. Continuare è diverso dal riscrivere un’inquadratura esistente: FLUX Video Edit è un modello di modifica separato e non diventa parte del modello di generazione soltanto perché entrambi accettano video.

La generazione guidata da testo e immagini supporta clip da 5 a 20 secondi. La panoramica specifica della modalità di continuazione video indica un intervallo di output di 5–15 secondi. Durata e rapporto d’aspetto possono essere scelti automaticamente, oppure il brief può specificare un formato orizzontale, quadrato o verticale supportato, tra cui 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16 e 9:21. L’output è a 24 fotogrammi al secondo. Scegli la durata in funzione di un piccolo numero di azioni visibili invece di cercare di inserire un’intera storia in una breve generazione.

L’output HD proviene direttamente dalla generazione; FHD, QHD e UHD finalizzano la stessa scena con uno strumento di aumento della risoluzione video. In 16:9, le dimensioni consegnate sono rispettivamente 1280 × 704, 1920 × 1088, 2560 × 1440 e 3840 × 2176. Le dimensioni sono allineate a multipli di 32, quindi una classe di risoluzione nominale può differire dalle dimensioni di consegna convenzionali. Ritaglia il fotogramma finito quando serve una superficie di lavoro standard esatta, preservando il contenuto importante ai bordi. La risoluzione superiore è una fase di finitura, non un’interpretazione diversa dell’inquadratura.

L’audio nativo è attivato per impostazione predefinita e può essere disattivato per ottenere un clip muto. Per un dialogo, cita la battuta, identifica chi parla e descrivine l’interpretazione; parlato multilingue, accenti e sincronizzazione labiale fanno parte delle capacità audiovisive del modello. Collega dialogo e indicazioni sonore all’evento visibile, come un coperchio che si chiude o passi che si allontanano. Controlla voce, tempi e parole pronunciate insieme alle immagini, invece di trattare il suono come uno strato indipendente aggiunto dopo la generazione.

La modalità bozza produce un’anteprima HD e un pacchetto di dati della bozza. Migliora il pacchetto selezionato per effettuare il rendering di quella generazione alla qualità completa; inviare lo stesso prompt come nuova richiesta di rendering completo costituisce una nuova interpretazione e può produrre una ripresa diversa. Le bozze usano soltanto HD, mentre il miglioramento consente di selezionare le quattro classi di risoluzione e usa FHD per impostazione predefinita. Ne deriva una sequenza pratica in cui si esplorano prima azione e composizione, quindi si finalizza la ripresa scelta alle dimensioni di consegna previste.

Il flusso del produttore restituisce un identificatore di attività prima che il MP4 sia pronto, poi fornisce il clip completato al termine dell’elaborazione. Gli indirizzi firmati dei risultati scadono dopo circa due ore, quindi conserva il file effettivo una volta selezionata l’inquadratura. Controlla transizioni tra fotogrammi chiave, tagli, testo, dettagli del soggetto e raccordo audio rispetto al brief. Per una sequenza più lunga, conserva i riferimenti dell’inquadratura riuscita e il contesto finale come input del clip successivo, invece di presumere che una sola breve richiesta contenga l’intera produzione.