Black Forest Labs: FLUX.3 Video

FLUX 3 Video er Black Forest Labs’ multimodale modell for generering av video med synkronisert lyd. Den lager scener fra en tekstbeskrivelse, bygger bevegelse rundt fastlagte bilder eller viderefører et eksisterende klipp. Tale, effekter og atmosfære kan genereres sammen med bildene og støtte en kort scene der kamerabevegelse, handling og lyd er utformet som én sekvens.

Til tekst-til-video beskriver du motiv, omgivelser, synlig handling, kameraatferd og lyd. En nyttig produktscene kan begynne med en vid visning, bevege seg mot en materialdetalj og avslutte på produktet i bruk. Beskrivelser med flere innstillinger kan navngi hver innstilling og overgangen mellom kameravinkler og holde motiv og visuell stil konsistente gjennom sekvensen. Typografi kan vises i scenen, så oppgi nøyaktige ord og plassering når et skilt eller en tittel betyr noe. Modellen dekker realfilm, animasjon, bevegelsesgrafikk og stiliserte uttrykk.

Bilde-til-video bruker ett til ti nøkkelbilder. Ett enkelt bilde etablerer åpningsbildet; et par fastlegger start og slutt, mens ordnede bilder med tidsstempler veileder bestemte øyeblikk i klippet. Bildene blir bilder i videoen i stedet for bare å være generelle stilreferanser. Med tre eller flere bilder uten tidsstempler krever produsenten eksplisitt varighet: det første og siste fastlegger endepunktene, og de andre plasseres jevnt mellom dem. Tidsstemplede bilder må være i tidsrekkefølge; automatisk varighet går til siste tidsstempel rundet opp, innenfor maksimum på 20 sekunder. Forbered nøkkelbilder med kompatible motiver, utsnitt og visuelle detaljer, og beskriv deretter bevegelsen mellom dem. Ved avduking av et produkt kan førstebildet vise den lukkede gjenstanden og sistebildet det åpne oppsettet, med mellomhandlingen definert i prompten.

Videovidereføring fortsetter fra det oppgitte klippets siste bilder. Lanseringsarbeidsflyten bruker opptil fire sekunder eksisterende video og lyd som kontekst for neste handling og viderefører kameraatferd, bevegelse og lyd over skjøten. Velg en kildeavslutning som tydelig etablerer hvor motiv og kamera er på vei, og beskriv hva som skjer videre. Videreføring er forskjellig fra omskriving av en eksisterende innstilling: FLUX Video Edit er en separat redigeringsmodell og blir ikke en del av genereringsmodellen bare fordi begge tar imot video.

Tekst- og bildebetinget generering støtter klipp fra 5 til 20 sekunder. Den modusspesifikke oversikten gir videovidereføring et utdataområde på 5–15 sekunder. Varighet og sideforhold kan velges automatisk, eller beskrivelsen kan angi en støttet liggende, kvadratisk eller stående form, inkludert 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16 og 9:21. Utdataene er 24 bilder per sekund. Velg varighet rundt et lite antall synlige handlinger i stedet for å prøve å få plass til en hel historie i én kort generering.

HD-utdata kommer direkte fra generering; FHD, QHD og UHD fullfører samme scene med en videooppskalerer. For 16:9 er de leverte dimensjonene henholdsvis 1280 × 704, 1920 × 1088, 2560 × 1440 og 3840 × 2176. Dimensjonene justeres til multipler av 32, så en navngitt oppløsningsklasse kan avvike fra en vanlig leveringsstørrelse. Beskjær det ferdige bildet når et eksakt standardlerret trengs, og bevar viktig innhold ved kantene. Høyere oppløsning er et fullføringssteg fremfor en annen tolkning av innstillingen.

Innebygd lyd er aktivert som standard og kan deaktiveres for et lydløst klipp. Til dialog siterer du replikken, identifiserer taleren og beskriver fremføringen; flerspråklig tale, aksenter og leppesynkronisering er del av modellens lyd- og videoegenskaper. Hold dialog og lydsignaler knyttet til den synlige hendelsen, som et lokk som lukkes eller skritt som fjerner seg. Gjennomgå stemme, timing og muntlig ordlyd sammen med bildet i stedet for å behandle lyd som et urelatert lag lagt til etter generering.

Draft-modus lager en HD-forhåndsvisning og en utkastpakke. Forbedre den valgte pakken for å rendre den genereringen i full kvalitet; å sende samme prompt som en ny forespørsel om full rendering er en ny tolkning og kan gi en annen tagning. Utkast bruker bare HD, mens forbedring kan velge de fire oppløsningsklassene og har FHD som standard. Dette gir en praktisk sekvens der handling og komposisjon utforskes først, og valgt tagning deretter fullføres i ønsket leveringsstørrelse.

Produsentens arbeidsflyt returnerer en oppgaveidentifikator før MP4-en er klar og gir deretter det fullførte klippet når behandlingen er ferdig. Signerte resultatplasseringer utløper etter omtrent to timer, så behold selve ressursen når innstillingen er valgt. Undersøk nøkkelbildeoverganger, klipp, typografi, motivdetaljer og lydskjøt opp mot beskrivelsen. Til en lengre sekvens bevarer du den vellykkede innstillingens referanser og avslutningskontekst som inndata til neste klipp, i stedet for å anta at én kort forespørsel inneholder hele produksjonen.