Skip to main content

Flux 3 Video Prompt Guide

Flux 3 Video.
Bild und Ton in einem Durchgang.

Flux 3 Video Prompt Guide: Flux 3 Video ist das Videomodell von Black Forest Labs und erzeugt den Soundtrack direkt mit dem Bild. Starte mit einem Prompt, einem Standbild, zwei Standbildern oder einem vorhandenen Clip. Bis zu 20 Sekunden, sechs Seitenverhältnisse inklusive 21:9-Ultrabreit, 720p oder 1080p.

Überblick

Die meisten Videomodelle liefern dir einen stummen Clip und überlassen dir den Ton. Flux 3 Video erzeugt Audio direkt mit dem Bild, im selben Durchgang und passend zum Geschehen. Schritte sind synchron zum Aufsetzen der Füße, das Türgeräusch kommt genau beim Schließen, und Raumklang liegt unter der gesamten Einstellung. Du steuerst alles per Prompt. Sound schreibst du also direkt mit, statt ihn später hinzuzufügen.

Drei Wege zum Video, alle auf derselben Seite. Schreib einen Prompt für Text-to-Video. Füge ein Startbild hinzu für Image-to-Video, optional mit einem Endbild, auf das das Modell hin interpoliert. Oder lade einen Clip hoch, den das Modell fortsetzt oder verändert. Clips laufen 5 bis 20 Sekunden in 720p (5 Credits pro Sekunde) oder 1080p (9 Credits pro Sekunde). Videoverlängerungen sind auf 15 Sekunden begrenzt und werden zu einem höheren Tarif berechnet.

20s

Maximale Cliplänge

6

Seitenverhältnisse

Audio

Direkt mit dem Bild erzeugt

Highlights

Sound entsteht mit dem Bild

Nativer, synchroner Ton

Audio entsteht im selben Durchgang wie das Video. So passt der Ton zum Geschehen, statt nur darüberzuliegen. Atmosphäre, Effekte und Stimmen steuerst du per Prompt. Wenn du den Clip selbst vertonen willst, schaltest du Audio mit einem Klick aus.

Text, Bilder oder ein vorhandener Clip

Drei Wege zum Video

Lass die Bild- und Videofelder leer, und dein Prompt wird zu einem Text-to-Video-Auftrag. Füge ein Startbild hinzu, und das Modell animiert es. Lade einen Clip hoch, und das Modell setzt ihn fort. Eine Seite, ein Prompt-Feld, kein Modus-Dropdown, bei dem du falsch abbiegen kannst.

Übergänge zwischen zwei Standbildern

Start- und Endbild

Gib ein Startbild und ein Endbild vor. Das Modell erzeugt die Bewegung dazwischen. Ideal für eine kontrollierte Enthüllung, einen Match Cut zwischen zwei Renderings oder eine Verwandlung, bei der Anfang und Ende exakt stimmen müssen.

Die längsten Clips der Flux-Familie

Bis zu 20 Sekunden

Ein einzelner Clip läuft 5 bis 20 Sekunden. Genug Raum für eine echte Dramaturgie, einen kompletten Produktspot oder eine atmosphärische Einstellung, die atmen darf. Videoverlängerungen sind auf 15 Sekunden pro Auftrag begrenzt. Danach kannst du weitere Verlängerungen anschließen.

Von 21:9-Ultrabreit bis 9:16

Sechs Seitenverhältnisse

21:9 für anamorphotische Aufnahmen und Titelsequenzen, 16:9 fürs klassische Querformat, 4:3 und 3:4 für klassische Proportionen, 1:1 für quadratische Social-Clips, 9:16 fürs Hochformat. Ultrabreit ist bei Videomodellen selten und hier nativ verfügbar, nicht als Zuschnitt.

5 oder 9 Credits pro Sekunde

720p und 1080p

Entwirf in 720p, finalisiere in 1080p. Die höhere Auflösung bewahrt feine Texturen, die bei atmosphärischen Szenen, Produktoberflächen und kleinen Bilddetails zählen. Für Figuren und Action reicht 720p meist aus.

Beispielvideos

Zu jedem Beispiel siehst du den genauen Prompt, mit dem das Ergebnis entstanden ist. Kopiere jeden Prompt mit einem Klick.

Filmreife Drohnenaufnahme

21:9-Ultrabreit · Audio an

Ultra-wide cinematic drone shot sweeping across a vast desert canyon at golden hour, anamorphic look, dust catching the light, deep engine-less silence broken by wind

Eine weite Kamerafahrt über ein ausladendes Motiv: Dafür ist 21:9 gemacht. Achte auf die Audioanweisung am Ende. Erst die Stille benennen, dann das eine Geräusch, das sie durchbrechen darf. Das ergibt eine klarere Klangkulisse als die bloße Vorgabe von Wind.

Figur in Nahaufnahme

16:9 · Audio an

Close-up of an elderly fisherman's weathered face as he looks out to sea at dawn, gentle camera drift, seagulls calling in the distance

Nahaufnahmen brauchen eine sanfte Bewegung und ein klar beschriebenes Gesicht. „Wettergegerbt“ und „älterer Fischer“ leisten mehr als ein ganzer Absatz Beschreibung. Die fernen Möwen verorten die Szene, ohne das Bild um etwas zu ergänzen.

Stilisierte Anime-Szene

16:9 · Audio an

Anime-style schoolgirl running along a cherry-blossom lined river path, petals swirling in the wind, vibrant spring colors, upbeat mood

Auch Stil-Prompts brauchen ein Bewegungsverb. „Läuft“ plus „wirbelnde Blütenblätter“ gibt dem Modell zwei Bewegungsebenen. Genau das unterscheidet eine animierte Einstellung von einem Schwenk über eine statische Illustration.

Produktspot

1:1 quadratisch · Audio an

Square product spot of a luxury wristwatch rotating on a black pedestal, dramatic rim lighting sweep, dust particles in the beam, deep ambient tone

Wenn das Produkt die ganze Einstellung trägt, lass das Motiv statt der Kamera arbeiten. Ein rotierendes Podest plus wanderndes Licht zeigt das Objekt von allen Seiten. Staub im Lichtstrahl macht das Licht sichtbar.

Atmosphärische Landschaft

16:9 · Audio an

Northern lights dancing over a snow-covered pine forest, stars visible, slow upward tilt, ethereal ambient tones

Atmosphärische Szenen leben von einer langsamen Kamerabewegung und einem Element, das sich von selbst bewegt. Der Schwenk nach oben gibt den Himmel frei, während das Polarlicht für Bewegung sorgt. So bleibt nichts im Bild untätig.

Action im Hochformat

9:16 vertikal · Audio an

Vertical shot of a parkour athlete vaulting across rooftop gaps at sunset, dynamic tracking camera, city sprawling below, sneakers scraping concrete

Benenne für Action in 9:16 die folgende Kamera und ein Kontaktgeräusch. „Sneaker schaben über Beton“ ist ein konkretes, an die Bewegung gebundenes Ereignis. Das kommt im Mix deutlich besser zur Geltung als allgemeine Stadtgeräusche.

Prompt-Tipps

Schreib den Sound, statt ihn dem Zufall zu überlassen

Flux 3 Video erzeugt Audio, ob du es beschreibst oder nicht. Ohne Vorgabe entscheidet das Modell. Nenne am Ende des Prompts ein bis drei konkrete Geräusche, dann bekommst du die Klangkulisse, die du willst.

Schreib „keine Musik“, wenn du nur Atmosphäre willst

Bei filmischen Prompts schleicht sich gern ungefragt Filmmusik ein. Beende den Prompt mit „keine Musik“, damit es bei Atmosphäre und Effekten bleibt. Genau richtig, wenn der Clip in einen Schnitt mit eigener Tonspur kommt.

Eine Kamerabewegung pro Clip

Entscheide dich: langsame Vorwärtsfahrt, seitliches Gleiten, Kranfahrt nach oben, 90-Grad-Umkreisung oder Verfolgung mit Handkamera. Zwei Bewegungen in einem Prompt führen zu unklarer Bewegung. Brauchst du eine zweite, nutze einen zweiten Clip oder eine Verlängerung.

Bewegungsverben statt Adjektive

Dein Prompt sollte sich wie eine Regieanweisung lesen. „Sie atmet aus, die Scheibe beschlägt, dann wischt sie einen Kreis frei“ funktioniert. „Eine nachdenkliche Frau im Bus“ gibt dem Modell nichts zu animieren. Das Ergebnis ist ein fast unbewegtes Bild.

Stimme die Handlung auf deine Cliplänge ab

Ein Clip mit 20 Sekunden braucht drei oder vier Handlungsschritte, sonst verliert er sich. Ein Clip mit 5 Sekunden braucht einen. Passe die Zahl der Aktionen an die Länge an, statt für Sekunden zu zahlen, die dein Prompt nicht füllt.

Entwirf in 720p, finalisiere in 1080p

Bei 5 Credits pro Sekunde ist 720p die richtige Wahl, um deine Einstellung zu finden. Sobald Bewegung und Audio stimmen, lass denselben Prompt in 1080p für die finale Version laufen. Gleicher Prompt, gleicher Aufbau, mehr Details.

Das Seitenverhältnis gilt nur für Text-to-Video

Sobald du ein Startbild oder einen Quellclip hinzufügst, übernimmt das Modell dessen Seitenverhältnis. Willst du aus einem Bild ein Video in 21:9 machen, schneide das Bild vor dem Upload auf 21:9 zu.

Schalte Audio aus, wenn du selbst vertonst

Wenn bei einer Montage alle Clips später dieselbe Tonspur bekommen, schalte Audio aus. Du brauchst keine Klangkulisse zu erzeugen, die du ohnehin stummschaltest.

Der Prompt-Aufbau in fünf Teilen

1. Szene und Motiv. Starte damit, was wir sehen und wie nah wir dran sind. „Halbnahe einer Frau nachts an einem regenüberzogenen Busfenster“ legt Bildausschnitt, Motiv, Umgebung und Tageszeit in einer Zeile fest. Vage Einstiege liefern austauschbare Aufnahmen.

2. Kamerabewegung. Nenne genau eine Bewegung und ihr Tempo. „Die Kamera fährt gleichmäßig nach vorn“, „eine langsame 90-Grad-Umkreisung“, „Verfolgung mit Handkamera, die bei der Fahrt mitfedert“. Das Tempo zählt genauso wie die Richtung. Ohne benannte Kamerabewegung bleibt ein Clip meist statisch.

3. Bewegung und Aktionsverben. Schreib die Handlungsschritte der Reihe nach, wie Regieanweisungen. „Sie atmet aus, die Scheibe beschlägt, dann wischt sie einen kleinen Kreis frei.“ Ein Handlungsschritt für einen Clip mit 5 Sekunden, drei oder vier für 15 bis 20 Sekunden. Dieser Teil macht aus einem bewegten Foto eine echte Einstellung.

4. Audioanweisungen. Das Modell erzeugt Ton, also führe Regie. Beende den Prompt mit den gewünschten Geräuschen und benenne sie konkret: „Möwenrufe in der Ferne“, „Sneaker schaben über Beton“, „tiefe Stille ohne Motorengeräusche, vom Wind durchbrochen“. Ein bis drei Vorgaben reichen meist. Ergänze „keine Musik“, wenn du nur Atmosphäre willst.

5. Stil und Stimmung. Zum Schluss kommt der Look: Farbpalette, Licht, Objektiv, Color Grading, Rendering-Stil. „Kühle blaue Schatten mit warmem Lichtsaum vom Sonnenaufgang, anamorphotischer Filmlook“ oder „flaches Cel-Shading, sichtbare Konturlinien, warme Bernsteinpalette“. Steht der Stil am Ende, verdrängt er die Handlung nicht.

Image-to-Video: Startbild, Endbild und Übergänge

Füge ein Startbild hinzu, und Flux 3 Video animiert von dort aus weiter. Das Bild liefert Motiv, Komposition und den gesamten Look. Deshalb wird die Einstellung fürs Seitenverhältnis ignoriert: Das Bild gibt das Format vor. Schneide es vor dem Upload auf das gewünschte Format zu. Image-to-Video wird zum selben Tarif wie Text-to-Video abgerechnet und unterstützt die volle Länge von 5 bis 20 Sekunden.

Beschreibe die Bewegung, nicht das Bild. Genau hier liegt der größte Fehler bei Image-to-Video. Das Bild zeigt bereits, wie die Szene aussieht. Wenn du das Motiv noch einmal beschreibst, bringst du das Modell nur dazu, davon abzuweichen. Nutze den gesamten Prompt dafür, was sich bewegt, wie sich die Kamera verhält und was zu hören ist.

Füge ein Endbild hinzu, und das Modell erzeugt den Übergang zwischen den beiden Standbildern. Beide Bilder werden berücksichtigt, sodass der Clip exakt bei deinem Schlussbild ankommt. Nutze das für eine gezielte Enthüllung, einen Match Cut zwischen zwei Renderings oder eine Vorher-Nachher-Verwandlung, bei der Anfang und Ende exakt stimmen müssen. Ein Endbild braucht immer ein Startbild und lässt sich nicht allein verwenden.

Wenn du beide Bilder nutzt, beschreibe den Weg dazwischen statt Anfang oder Ende. „Die Kamera fährt zurück, während sich der Nebel lichtet und das Licht von Blau zu Bernstein wechselt“ sagt dem Modell, wie es ans Ziel kommt. Dinge zu benennen, die schon auf einem der Standbilder zu sehen sind, verschwendet nur Platz im Prompt.

Video Extend: Clip fortsetzen oder verwandeln

Füge statt eines Bildes einen Clip hinzu, und der Auftrag läuft im Video-to-Video-Modus. Das Modell knüpft an dein Material an und setzt es fort. Verlangt dein Prompt einen anderen Stil oder Schauplatz, verwandelt es den Clip entsprechend. Der Quellclip gibt das Bildformat vor, deshalb wird das Seitenverhältnis auch hier ignoriert.

Pro Auftrag lässt sich ein Clip um maximal 15 Sekunden verlängern. Dafür gilt ein höherer Tarif: 13 Credits pro Sekunde bei 720p, 16 bei 1080p. Für diesen Aufpreis bekommst du eine Fortsetzung, die zum Ausgangsmaterial passt, statt einer neuen Generierung, die du erst passend schneiden musst. Für längere Sequenzen verlängerst du die Fortsetzung erneut.

Beschreibe die Fortsetzung, nicht die Zusammenfassung. „Die Kamera fährt weiter vorwärts, und die Schlucht öffnet sich zu einem beleuchteten Tal“ gibt dem Modell eine Richtung vor. Was im Quellclip bereits passiert ist, gehört nicht noch einmal in den Prompt. Sonst wiederholt das Modell womöglich genau den Moment, für den du gerade bezahlt hast.

Start- und Endbilder lassen sich nicht mit einem Quellclip im selben Auftrag kombinieren. Entscheide dich für einen Einstieg. Soll eine Verlängerung auf ein bestimmtes Standbild hinauslaufen, generiere zuerst die Verlängerung. Starte danach einen separaten Auftrag mit Start- und Endbild und nutze das letzte Bild der Verlängerung als Startbild.

Einstellungen

EinstellungWerteHinweise
Promptstring (required)Szene, Kamerabewegung, Handlungsschritte, Tonvorgaben, Stil. Siehe das fünfteilige Schema oben.
Startbildimage URL (optional)Wechselt zu Image-to-Video. Es gilt der Text-to-Video-Tarif. Das Bild gibt das Format vor, deshalb wird das Seitenverhältnis ignoriert.
Endbildimage URL (optional)Benötigt ein Startbild. Das Modell erzeugt den Übergang zwischen den beiden Standbildern.
Quellvideovideo URL (optional)Wechselt zu Video Extend. Höherer Credit-Tarif, maximal 15 Sekunden. Nicht mit Start- oder Endbildern kombinierbar.
Auflösung720p · 1080p5 oder 9 Credits pro Sekunde bei Text- und Bildaufträgen. 13 oder 16 pro Sekunde bei Video Extend.
Seitenverhältnis21:9 · 16:9 · 4:3 · 1:1 · 3:4 · 9:16Nur für Text-to-Video. Wird ignoriert, sobald du ein Startbild oder einen Quellclip hinzufügst.
Dauer5 to 20 seconds5 bis 15 Sekunden, wenn du ein Quellvideo hinzufügst. Stimme die Anzahl der Handlungsschritte auf die Länge ab.
Ton erzeugenOn / OffStandardmäßig aktiviert. Schalte die Option aus, wenn du den Clip in einem Schnittprojekt mit eigener Tonspur verwendest.

FAQ

Ja. Ton und Bild entstehen im selben Durchlauf. Der Ton wird auf das Geschehen im Bild abgestimmt, damit Effekte genau zur Aktion passen, statt zeitlich zu verrutschen. Du steuerst ihn, indem du die gewünschten Geräusche am Ende deines Prompts nennst. Schaltest du die Option aus, bekommst du einen Clip ohne Ton.