Black Forest Labs: FLUX.3 Video

FLUX 3 Video är Black Forest Labs multimodala modell för att generera video med synkroniserat ljud. Den skapar scener från ett textuppdrag, bygger rörelse runt fixerade bilder eller fortsätter ett befintligt klipp. Tal, effekter och atmosfär kan genereras tillsammans med bildrutorna, vilket stöder en kort scen där kamerarörelse, handling och ljud utformas som en sekvens.

Beskriv motiv, miljö, synlig handling, kamerabeteende och ljud för text-till-video. En användbar produktscen kan börja med en vid vy, röra sig mot en materialdetalj och sluta med produkten i användning. Uppdrag med flera tagningar kan namnge varje tagning och övergången mellan kameravinklar och hålla motiv och visuell stil konsekventa genom sekvensen. Typografi kan förekomma i scenen, så ange exakta ord och deras placering när en skylt eller titel är viktig. Modellen omfattar realfilm, animation, rörlig grafik och stiliserade uttryck.

Bild-till-video använder en till tio nyckelbilder. En enda bild fastställer öppningsbildrutan; ett par fixerar början och slutet, medan ordnade bilder med tidsstämplar styr specifika ögonblick i klippet. Bilderna blir bildrutor i videon i stället för att bara tjäna som allmänna stilreferenser. Med tre eller fler bilder utan tidsstämplar kräver producenten en uttrycklig längd: den första och sista fixerar slutpunkterna och de andra placeras jämnt mellan dem. Tidsstämplade bildrutor måste vara i tidsordning; automatisk längd går till den sista tidsstämpeln avrundad uppåt, inom maxgränsen på 20 sekunder. Förbered nyckelbilder med kompatibla motiv, bildutsnitt och visuella detaljer och beskriv sedan rörelsen mellan dem. Vid ett produktavslöjande kan den första bilden visa det stängda objektet och den sista det öppnade arrangemanget, med handlingen däremellan definierad i prompten.

Videofortsättning tar vid från det angivna klippets sista bildrutor. Lanseringsarbetsflödet använder upp till fyra sekunder av befintlig video och ljud som sammanhang för nästa handling och för kamerabeteende, rörelse och ljud över skarven. Välj ett källslut som tydligt fastställer vart motiv och kamera är på väg och beskriv vad som händer sedan. Fortsättning skiljer sig från att skriva om en befintlig tagning: FLUX Video Edit är en separat redigeringsmodell och blir inte del av genereringsmodellen bara för att båda tar emot video.

Text- och bildstyrd generering stöder klipp från 5 till 20 sekunder. Den lägesspecifika översikten ger videofortsättning ett utdataintervall på 5–15 sekunder. Längd och bildförhållande kan väljas automatiskt, eller uppdraget kan ange en stödd liggande, kvadratisk eller stående form, inklusive 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16 och 9:21. Utdata är 24 bildrutor per sekund. Välj längden utifrån ett litet antal synliga handlingar i stället för att försöka få in en hel berättelse i en enda kort generering.

HD-utdata kommer direkt från genereringen; FHD, QHD och UHD färdigställer samma scen med en videouppskalare. För 16:9 är de levererade dimensionerna 1280 × 704, 1920 × 1088, 2560 × 1440 respektive 3840 × 2176. Dimensionerna anpassas till multiplar av 32, så en namngiven upplösningsklass kan skilja sig från en konventionell leveransstorlek. Beskär den färdiga bildrutan när en exakt standardyta behövs och bevara det viktiga innehållet vid kanterna. Den högre upplösningen är ett färdigställandesteg snarare än en annan tolkning av tagningen.

Inbyggt ljud är aktiverat som standard och kan stängas av för ett tyst klipp. Citera repliken för dialog, identifiera talaren och beskriv framförandet; flerspråkigt tal, accenter och läppsynkronisering ingår i modellens ljud- och videoförmågor. Håll dialog och ljudsignaler kopplade till den synliga händelsen, till exempel ett lock som stängs eller fotsteg som avlägsnar sig. Granska röst, timing och talad ordalydelse tillsammans med bilden i stället för att behandla ljudet som ett orelaterat lager som läggs till efter genereringen.

Draft-läge skapar en HD-förhandsvisning och ett utkastpaket. Förädla det valda paketet för att rendera just den genereringen med full kvalitet; att skicka samma prompt som en ny begäran om full rendering är en ny tolkning och kan ge en annan tagning. Utkast använder bara HD, medan förädling kan välja de fyra upplösningsklasserna och har FHD som standard. Det ger en praktisk följd där handling och komposition utforskas först och den valda tagningen sedan färdigställs i avsedd leveransstorlek.

Producentens arbetsflöde returnerar en uppgiftsidentifierare innan MP4-filen är klar och tillhandahåller sedan det färdiga klippet när bearbetningen slutförts. Signerade resultatadresser upphör att gälla efter cirka två timmar, så spara den faktiska resursen när tagningen har valts. Granska nyckelbildsövergångar, klipp, typografi, motivdetaljer och ljudskarv mot uppdraget. För en längre sekvens bevarar du den lyckade tagningens referenser och slutkontext som indata till nästa klipp i stället för att anta att en kort begäran innehåller hela produktionen.