Skip to main content

Guía de prompts para Flux 3 Video

Flux 3 Video.
Imagen y sonido en una sola generación.

En esta guía de prompts para Flux 3 Video descubrirás el modelo de video de Black Forest Labs, que crea la banda sonora a la vez que la imagen. Parte de un prompt, una imagen fija, dos imágenes o un clip que ya tengas. Hasta 20 segundos, seis relaciones de aspecto, incluida la ultrapanorámica 21:9, en 720p o 1080p.

Resumen

La mayoría de los modelos de video te entregan un clip sin sonido y te dejan el audio a ti. Flux 3 Video genera el audio junto con la imagen, en la misma generación y en sincronía con lo que aparece en pantalla. Las pisadas suenan con cada paso, una puerta suena justo al cerrarse y el ambiente de la sala acompaña todo el plano. Lo diriges desde el prompt: el sonido se escribe, no se añade después.

Tienes tres formas de empezar, todas en la misma página. Escribe un prompt para generar un video a partir de texto. Adjunta un fotograma inicial para generar un video a partir de una imagen, con un fotograma final opcional hacia el que el modelo interpola el movimiento. Si adjuntas un clip, el modelo lo continúa o lo transforma. Los clips duran de 5 a 20 segundos en 720p (5 créditos por segundo) o 1080p (9 créditos por segundo). La extensión de video tiene un límite de 15 segundos y una tarifa más alta.

20s

Duración máxima

6

Relaciones de aspecto

Audio

Generado junto con la imagen

Funciones clave

Sonido creado junto con la imagen

Audio sincronizado nativo

El audio se genera a la vez que el video, así que encaja con lo que ocurre en pantalla en lugar de quedar superpuesto sin conexión. El ambiente, los efectos y las voces se dirigen desde el prompt. Desactívalo con un solo interruptor si vas a ponerle tu propia banda sonora al clip.

Texto, fotogramas o un clip existente

Tres formas de empezar

Deja vacíos los campos de imagen y video y tu prompt generará un video a partir de texto. Adjunta un fotograma inicial y el modelo lo animará. Adjunta un clip y lo continuará. Una página, un campo de prompt y ningún selector de modo en el que puedas equivocarte.

Interpola entre dos imágenes fijas

Fotograma inicial y final

Añade un fotograma inicial y otro final, y el modelo construye el movimiento que conecta ambos. Ideal para una revelación controlada, un corte por similitud entre dos renders o una transformación en la que ambos extremos deben ser exactos.

La mayor duración de la familia Flux

Hasta 20 segundos

Un solo clip dura de 5 a 20 segundos. Espacio para una secuencia con ritmo, un anuncio de producto completo o un plano de atmósfera que pueda respirar. La extensión de video llega hasta 15 segundos por generación, y a partir de ahí puedes encadenar extensiones.

De 21:9 ultrapanorámico a 9:16

Seis relaciones de aspecto

21:9 para planos anamórficos y secuencias de títulos, 16:9 para el formato horizontal estándar, 4:3 y 3:4 para proporciones clásicas, 1:1 para publicaciones cuadradas en redes y 9:16 para vertical. La opción ultrapanorámica es poco habitual entre los modelos de video y es nativa, no un recorte.

5 o 9 créditos por segundo

720p y 1080p

Haz pruebas en 720p y termina en 1080p. La resolución superior conserva las texturas finas que importan en escenas de atmósfera, materiales de producto y cualquier imagen con detalles pequeños. Para escenas con personajes y acción, 720p suele bastar.

Videos de ejemplo

Cada ejemplo incluye el prompt exacto con el que se creó el resultado. Copia cualquier prompt con un clic.

Plano cinematográfico con dron

21:9 ultrapanorámico · audio activado

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

Un único movimiento amplio sobre un gran escenario: para eso está el 21:9. Fíjate en la indicación de audio al final: definir el silencio y después el único sonido que puede romperlo crea una base sonora más limpia que pedir solo viento.

Primer plano de personaje

16:9 · audio activado

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

Los primeros planos piden un movimiento suave y un rostro bien definido. «Curtido» y «pescador anciano» hacen más que un párrafo de descripción, y las gaviotas lejanas sitúan el plano sin añadir nada a la imagen.

Escena de anime estilizada

16:9 · audio activado

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

Los prompts de estilo también necesitan un verbo de movimiento. «Corriendo» más «pétalos girando en el aire» le da al modelo dos capas en movimiento: la diferencia entre un plano animado y un barrido sobre una ilustración fija.

Anuncio de producto

1:1 cuadrado · audio activado

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

Cuando el producto ocupa todo el plano, deja que se mueva él, no la cámara. El pedestal giratorio y un barrido de luz muestran el objeto desde todos los ángulos, mientras el polvo en el haz hace visible la luz.

Paisaje de atmósfera

16:9 · audio activado

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

Una escena de atmósfera funciona con un movimiento lento y un elemento que se anime por sí solo. La cámara se inclina hacia arriba para revelar el cielo mientras la aurora se mueve, así que nada en el encuadre se queda sin hacer nada.

Acción en vertical

9:16 vertical · audio activado

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

Para acción en 9:16, indica que la cámara siga al sujeto y define un sonido de contacto. «Zapatillas rozando el cemento» es un evento concreto ligado al movimiento, que se distingue mucho mejor en la mezcla que un ambiente urbano genérico.

Consejos para prompts

Escribe el sonido, no lo dejes al azar

Flux 3 Video genera audio aunque no lo describas. Si no dices nada, decide por ti. Añade de uno a tres sonidos concretos al final del prompt y tendrás la base sonora que buscabas.

Di «sin música» si solo quieres ambiente

La música aparece sin invitación en los prompts cinematográficos. Terminar el prompt con «sin música» limita el audio a ambiente y efectos, justo lo que necesitas si el clip va a formar parte de un montaje con su propia pista.

Un movimiento de cámara por clip

Elige uno: avance lento, desplazamiento lateral, ascenso de grúa, órbita de 90 grados o seguimiento cámara en mano. Acumular dos movimientos en un prompt genera un movimiento confuso. Si necesitas un segundo movimiento, haz otro clip o una extensión.

Usa verbos de acción, no adjetivos

El prompt debe leerse como indicaciones de escena. «Exhala, empaña el cristal y luego limpia un círculo» funciona. «Una mujer pensativa en un autobús» no le da al modelo nada que animar, y el resultado es un fotograma casi inmóvil.

Ordena las acciones según la duración elegida

Un clip de 20 segundos necesita tres o cuatro momentos de acción para no perder el rumbo. Uno de 5 segundos necesita uno. Ajusta la cantidad de acciones a la duración, en vez de pagar por segundos que el prompt no llena.

Haz pruebas en 720p y termina en 1080p

A 5 créditos por segundo, 720p es la resolución para encontrar tu plano. Cuando el movimiento y el audio estén bien, vuelve a generar con el mismo prompt en 1080p para la versión final. Mismo prompt, misma estructura, más detalle.

La relación de aspecto solo se aplica de texto a video

Si adjuntas un fotograma inicial o un clip de origen, la relación de aspecto viene de ese archivo. Si necesitas 21:9 a partir de una imagen, recórtala a 21:9 antes de subirla.

Desactiva el audio si vas a añadir tu propia música

En montajes donde todos los clips llevan la misma pista en posproducción, desactiva el audio. No tiene sentido generar una base sonora que vas a silenciar.

La estructura de prompt en cinco partes

1. Escena y sujeto. Empieza por lo que vemos y a qué distancia estamos. «Primer plano medio de una mujer junto a la ventana de un autobús surcada por la lluvia, de noche» fija el encuadre, el sujeto, el escenario y la hora en una sola línea. Los comienzos vagos producen videos genéricos.

2. Movimiento de cámara. Define un solo movimiento y su velocidad. «La cámara mantiene un avance constante», «una órbita lenta de 90 grados», «seguimiento cámara en mano, con descensos que acompañan el trayecto». La velocidad importa tanto como la dirección, y un clip sin movimiento definido tiende a quedarse quieto.

3. Movimiento y verbos de acción. Escribe las acciones en orden, como indicaciones de escena. «Exhala, empaña el cristal y luego limpia un pequeño círculo». Una acción para un clip de 5 segundos, tres o cuatro para uno de 15 a 20 segundos. Esta es la parte que convierte una fotografía en movimiento en un plano.

4. Indicaciones de audio. El modelo genera sonido, así que dirígelo. Cierra el prompt con los sonidos que quieres, descritos con precisión: «gaviotas que graznan a lo lejos», «zapatillas rozando el cemento», «silencio profundo, sin motores, roto por el viento». Entre una y tres indicaciones suele bastar. Añade «sin música» si solo quieres ambiente.

5. Estilo y atmósfera. Termina con el acabado visual: paleta, iluminación, lente, tratamiento de color y estilo de renderizado. «Sombras azules frías con un borde cálido de amanecer, tratamiento de color cinematográfico anamórfico» o «sombreado plano tipo cel shading, líneas de dibujo visibles, paleta ámbar cálida». Dejar el estilo para el final evita que le quite protagonismo a la acción.

De imagen a video: fotograma inicial, final y transiciones

Adjunta un fotograma inicial y Flux 3 Video lo animará. Ese fotograma aporta el sujeto, la composición y todo el acabado visual, así que el ajuste de relación de aspecto se ignora y la imagen define el encuadre. Recorta la imagen al formato que quieras antes de subirla. La generación de imagen a video tiene la misma tarifa que la de texto a video y admite todo el rango de 5 a 20 segundos.

En esta guía de prompts para Flux 3 Video, la clave es describir el movimiento, no la imagen. Este es el mayor error al pasar de imagen a vídeo. La imagen ya muestra cómo es la escena, así que volver a describir al sujeto solo invita al modelo a alejarse de ella. Dedica todo el prompt a qué se mueve, cómo se comporta la cámara y qué se escucha.

Añade un fotograma final y el modelo creará la transición entre las dos imágenes. Respeta ambos fotogramas, así que el clip termina exactamente en tu imagen de cierre. Úsalo para una revelación controlada, un corte por correspondencia entre dos renders o una transformación de antes y después en la que ambos extremos deban ser exactos. El fotograma final requiere uno inicial, no se puede usar por separado.

Cuando uses ambos fotogramas, describe el recorrido, no los extremos. «La cámara retrocede mientras la niebla se disipa y la luz pasa de azul a ámbar» le indica al modelo cómo llegar. Nombrar lo que ya se ve en cualquiera de las dos imágenes es desperdiciar el prompt.

Extensión de vídeo: continúa o transforma un clip

Adjunta un clip en lugar de una imagen y la generación pasará al modo de vídeo a vídeo. El modelo parte de tu metraje y crea una continuación, o lo transforma si el prompt pide un cambio de estilo o escenario. El clip original define el encuadre, así que aquí también se ignora la relación de aspecto.

Cada extensión tiene un límite de 15 segundos y una tarifa más alta: 13 créditos por segundo a 720p y 16 a 1080p. Ese coste adicional te da una continuación que encaja con el original, en lugar de una generación nueva que tengas que adaptar en el montaje. Para una secuencia más larga, vuelve a extender el resultado.

Describe la continuación, no hagas un resumen. «La cámara sigue avanzando y el cañón se abre a un valle iluminado» le marca el rumbo. Describir lo que ya ocurrió en el clip original desperdicia el prompt y puede hacer que el modelo repita la acción por la que acabas de pagar.

No puedes combinar fotogramas y un clip de origen en una misma generación. Elige un único punto de partida. Si quieres dirigir el final de una extensión hacia una imagen concreta, genera primero la extensión y después usa su último fotograma en una generación independiente con fotogramas inicial y final.

Guía de ajustes

AjusteValoresNotas
Promptstring (required)Escena, movimiento de cámara, acciones clave, indicaciones de audio y estilo. Consulta la estructura de cinco partes de arriba.
Fotograma inicialimage URL (optional)Activa el modo de imagen a vídeo. Se cobra a la tarifa de texto a vídeo. La imagen define el encuadre, así que se ignora la relación de aspecto.
Fotograma finalimage URL (optional)Requiere un fotograma inicial. El modelo genera la transición entre las dos imágenes.
Vídeo de origenvideo URL (optional)Activa la extensión de vídeo. Tarifa de créditos más alta y límite de 15 segundos. No se puede combinar con fotogramas.
Resolución720p · 1080p5 o 9 créditos por segundo al generar desde texto o imagen. 13 o 16 por segundo al extender vídeo.
Relación de aspecto21:9 · 16:9 · 4:3 · 1:1 · 3:4 · 9:16Solo para texto a vídeo. Se ignora si añades un fotograma inicial o un clip de origen.
Duración5 to 20 secondsDe 5 a 15 segundos si añades un vídeo de origen. Ajusta la cantidad de acciones a la duración.
Generar audioOn / OffActivado por defecto. Desactívalo si vas a incorporar el clip a un montaje con su propia pista de audio.

Preguntas frecuentes

Sí. El sonido se genera a la vez que la imagen y se ajusta a lo que ocurre en pantalla, así que los efectos coinciden con la acción y no se desfasan. Lo diriges desde el prompt: indica al final los sonidos que quieres. Desactiva la opción para obtener un clip sin sonido.