Skip to main content

Guida ai prompt per Flux 3 Video

Flux 3 Video.
Immagini e suono, in un solo passaggio.

In questa guida ai prompt per Flux 3 Video scopri il modello video di Black Forest Labs che crea la traccia audio mentre genera le immagini. Parti da un prompt, da un fotogramma, da due immagini statiche o da una clip che hai già. Fino a 20 secondi, sei formati tra cui 21:9 ultrawide, a 720p o 1080p.

Panoramica

La maggior parte dei modelli video ti consegna una clip muta e lascia a te il suono. Flux 3 Video genera audio e immagini nello stesso passaggio, sincronizzati con ciò che accade sullo schermo. I passi suonano quando i piedi toccano terra, una porta si sente chiudere nel momento in cui si chiude e il suono d'ambiente accompagna tutta l'inquadratura. Sei tu a dirigere dal prompt: il suono lo scrivi, non lo aggiungi dopo.

Hai tre punti di partenza, tutti nella stessa pagina. Scrivi un prompt e generi un video da testo. Allega un frame iniziale e generi un video da immagine, con un frame finale facoltativo verso cui il modello costruisce l'interpolazione. Allega invece una clip e il modello la continua o la trasforma. Le clip durano da 5 a 20 secondi a 720p (5 crediti al secondo) o 1080p (9 crediti al secondo). L'estensione video arriva fino a 15 secondi e ha una tariffa più alta.

20s

Durata massima

6

Formati

Audio

Generato insieme alle immagini

Funzioni principali

Il suono nasce con le immagini

Audio sincronizzato nativo

L'audio viene generato nello stesso passaggio del video: segue ciò che accade sullo schermo, anziché restare scollegato dalle immagini. Suoni d'ambiente, effetti e voci si dirigono dal prompt. Se vuoi creare tu la traccia audio della clip, lo disattivi con un solo interruttore.

Testo, frame o una clip esistente

Tre punti di partenza

Lascia vuoti gli spazi per immagini e video e il prompt genera un video da testo. Allega un frame iniziale e il modello lo anima. Allega una clip e il modello la continua. Una pagina, un campo prompt, nessun menu delle modalità in cui sbagliare scelta.

Interpola tra due immagini

Frame iniziale e finale

Fornisci un frame iniziale e uno finale: il modello costruisce il movimento che porta dall'uno all'altro. Utile per una rivelazione controllata, un match cut tra due render o una trasformazione in cui entrambi gli estremi devono essere precisi.

La durata più lunga della famiglia Flux

Fino a 20 secondi

Una singola clip dura da 5 a 20 secondi. Hai spazio per una vera sequenza di azioni, uno spot di prodotto completo o un'inquadratura d'atmosfera che può prendersi il suo tempo. L'estensione video arriva fino a 15 secondi per generazione, poi puoi concatenare altre estensioni.

Dal 21:9 ultrawide al 9:16

Sei formati

21:9 per inquadrature anamorfiche e sequenze di titoli, 16:9 per il classico orizzontale, 4:3 e 3:4 per proporzioni tradizionali, 1:1 per contenuti social quadrati, 9:16 per il verticale. L'opzione ultrawide è rara tra i modelli video ed è nativa, non un ritaglio.

5 o 9 crediti al secondo

720p e 1080p

Crea le bozze a 720p, finalizza a 1080p. La risoluzione più alta conserva le texture fini che fanno la differenza nelle scene d'atmosfera, nei materiali dei prodotti e nei piccoli dettagli a schermo. Per personaggi e azione, 720p di solito rende già bene l'inquadratura.

Video di esempio

Ogni esempio mostra il prompt esatto usato per ottenere quel risultato. Copia il prompt che vuoi con un clic.

Ripresa cinematografica con drone

21:9 ultrawide · audio attivo

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 unico, ampio movimento su un soggetto esteso: ecco a cosa serve il 21:9. Nota la regia del suono alla fine: descrivere il silenzio, poi l'unico suono che può romperlo, crea una base sonora più pulita rispetto a chiedere solo il vento.

Primo piano di un personaggio

16:9 · audio attivo

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

Un primo piano vuole un movimento delicato e un volto ben definito. «Segnato dal tempo» e «anziano pescatore» fanno più di un paragrafo descrittivo, mentre i gabbiani in lontananza collocano la scena senza aggiungere nulla all'inquadratura.

Scena anime stilizzata

16:9 · audio attivo

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

Anche i prompt di stile hanno bisogno di un verbo di movimento. «Corre» più «petali che turbinano» dà al modello due livelli in movimento: è questo che distingue una scena animata da una panoramica su un'illustrazione statica.

Spot di prodotto

1:1 quadrato · audio attivo

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

Quando il prodotto occupa tutta la scena, fai muovere il soggetto anziché la camera. Il piedistallo rotante e una luce che scorre sull'oggetto lo mostrano da ogni angolazione, mentre la polvere nel fascio rende visibile la luce.

Paesaggio d'atmosfera

16:9 · audio attivo

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

Una scena d'atmosfera funziona con un movimento lento della camera e un elemento che si anima da solo. L'inclinazione verso l'alto rivela il cielo mentre l'aurora si muove: così nulla nell'inquadratura resta in attesa.

Azione in verticale

9:16 verticale · audio attivo

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

Per l'azione in 9:16, specifica la camera che segue il soggetto e un suono di contatto. «Sneakers che strisciano sul cemento» è un evento preciso legato al movimento, molto più leggibile nel mix di una generica atmosfera urbana.

Consigli per i prompt

Scrivi il suono, non lasciarlo al caso

Flux 3 Video genera audio anche se non lo descrivi. Se non dici nulla, decide lui. Indica da uno a tre suoni precisi alla fine del prompt e ottieni la base sonora che avevi in mente.

Scrivi «senza musica» se vuoi solo l'ambiente

Con i prompt cinematografici, la musica arriva anche senza invito. Chiudere il prompt con «senza musica» lascia solo ambiente ed effetti: proprio quello che serve se la clip finirà in un montaggio con una sua traccia.

Un movimento di camera per clip

Scegline uno: lento avanzamento, scorrimento laterale, salita su gru, orbita di 90 gradi, inseguimento a mano libera. Accumulare due movimenti nello stesso prompt genera un movimento confuso. Se ti serve un secondo movimento, crea una seconda clip o un'estensione.

Usa verbi d'azione, non aggettivi

Il prompt deve leggersi come un'indicazione di regia. «Espira, appanna il vetro, poi ne pulisce un cerchio» funziona. «Una donna assorta su un autobus» non dà al modello nulla da animare e ti ritrovi con un fotogramma quasi immobile.

Organizza le azioni in base alla durata scelta

Una clip di 20 secondi ha bisogno di tre o quattro azioni, altrimenti perde direzione. A una clip di 5 secondi ne basta una. Adatta il numero di azioni alla durata, invece di pagare secondi che il prompt non riempie.

Bozze a 720p, versione finale a 1080p

A 5 crediti al secondo, 720p è la risoluzione con cui trovare l'inquadratura giusta. Quando movimento e audio funzionano, rigenera lo stesso prompt a 1080p per la versione da pubblicare. Stesso prompt, stessa struttura, più dettagli.

Il formato vale solo per il text-to-video

Se alleghi un frame iniziale o una clip sorgente, il formato viene da quel contenuto. Se vuoi un video in 21:9 da un'immagine, ritagliala in 21:9 prima di caricarla.

Disattiva l'audio se aggiungi tu la musica

Se nel montaggio tutte le clip avranno la stessa traccia aggiunta in postproduzione, disattiva l'audio. Non ha senso generare una base sonora che poi silenzierai.

Il prompt in cinque parti

1. Scena e soggetto. Parti da ciò che vediamo e dalla distanza di ripresa. «Mezzo primo piano di una donna al finestrino di un autobus rigato dalla pioggia, di notte» definisce in una riga inquadratura, soggetto, ambientazione e momento della giornata. Un'apertura vaga produce riprese generiche.

2. Movimento di camera. Indica un solo movimento e la sua velocità. «La camera avanza con un unico movimento costante», «una lenta orbita di 90 gradi», «inseguimento a mano libera, con abbassamenti che seguono il percorso». La velocità conta quanto la direzione e una clip senza un movimento indicato tende a restare ferma.

3. Movimento e verbi d'azione. Scrivi le azioni in ordine, come indicazioni di regia. «Espira, appanna il vetro, poi ne pulisce un piccolo cerchio.» Una sola azione per una clip di 5 secondi, tre o quattro per una da 15 a 20 secondi. È questa parte a trasformare una fotografia in movimento in una vera inquadratura.

4. Indicazioni audio. Il modello genera il suono, quindi dirigilo. Chiudi il prompt con i suoni che vuoi, descritti con precisione: «gabbiani che stridono in lontananza», «sneakers che strisciano sul cemento», «silenzio profondo, senza motori, interrotto dal vento». Di solito bastano da una a tre indicazioni; aggiungi «senza musica» se vuoi solo i suoni d'ambiente.

5. Stile e atmosfera. Chiudi con la resa visiva: palette, illuminazione, obiettivo, color grading, stile di rendering. «Ombre blu fredde con un caldo contorno di luce all'alba, color grading cinematografico anamorfico» oppure «cel shading piatto, line art visibile, palette ambrata calda». Mettere lo stile alla fine evita che metta in secondo piano l'azione.

Da immagine a video: frame iniziale, finale e transizioni

Allega un frame iniziale e Flux 3 Video lo anima. Il frame definisce soggetto, composizione e intera resa visiva: l'impostazione del formato viene quindi ignorata ed è l'immagine a determinare l'inquadratura. Ritagliala nel formato che vuoi prima di caricarla. La generazione da immagine a video ha la stessa tariffa del text-to-video e supporta l'intero intervallo da 5 a 20 secondi.

Descrivi il movimento, non l'immagine. È l'errore più grande nell'image-to-video. L'immagine mostra già com'è la scena: descrivere di nuovo il soggetto spinge solo il modello ad allontanarsene. Dedica tutto il prompt a ciò che si muove, a come si comporta la camera e ai suoni che si sentono.

Aggiungi un fotogramma finale e il modello costruisce la transizione tra le due immagini. Rispetta entrambi i fotogrammi, così la clip si chiude esattamente sull'immagine finale che hai scelto. Usalo per una rivelazione controllata, un match cut tra due render o una trasformazione prima e dopo in cui partenza e arrivo devono essere precisi. Il fotogramma finale richiede un fotogramma iniziale: non puoi usarlo da solo.

Quando usi entrambi i fotogrammi, descrivi il percorso, non il punto di partenza o di arrivo. "La camera arretra mentre la nebbia si dirada e la luce passa dal blu all'ambra" dice al modello come arrivarci. Nominare elementi già visibili in una delle due immagini è uno spreco di prompt.

Video Extend: continua o trasforma una clip

Allega una clip invece di un'immagine e la generazione passa alla modalità video-to-video. Il modello riprende dal tuo filmato e ne genera la continuazione, oppure lo trasforma se il prompt richiede un cambio di stile o ambientazione. La clip originale definisce l'inquadratura, quindi anche qui il rapporto d'aspetto viene ignorato.

Ogni estensione ha un limite di 15 secondi e un costo più alto: 13 crediti al secondo a 720p, 16 a 1080p. Il costo aggiuntivo serve a ottenere una continuazione coerente con l'originale, invece di una nuova generazione da adattare in montaggio. Per una sequenza più lunga, estendi l'estensione.

Descrivi come proseguire, non fare un riepilogo. "La camera continua ad avanzare e il canyon si apre su una valle illuminata" dà al modello una direzione. Descrivere ciò che è già successo nella clip originale spreca il prompt e può far ripetere al modello l'azione per cui hai appena pagato.

Non puoi combinare immagini di riferimento e clip originale nella stessa generazione. Scegli un solo punto di partenza. Se vuoi portare la fine di un'estensione verso un'immagine precisa, genera prima l'estensione. Poi usa il suo ultimo fotogramma come punto di partenza per una nuova generazione con fotogramma iniziale e finale.

Guida alle impostazioni

ImpostazioneValoriNote
Promptstring (required)Scena, movimento di camera, passaggi dell'azione, indicazioni audio, stile. Segui lo schema in cinque parti qui sopra.
Fotogramma inizialeimage URL (optional)Attiva la modalità image-to-video, con la stessa tariffa del text-to-video. L'immagine definisce l'inquadratura, quindi il rapporto d'aspetto viene ignorato.
Fotogramma finaleimage URL (optional)Richiede un fotogramma iniziale. Il modello genera la transizione tra le due immagini.
Video sorgentevideo URL (optional)Attiva Video Extend. Costo in crediti più alto, limite di 15 secondi. Non combinabile con immagini dei fotogrammi iniziale e finale.
Risoluzione720p · 1080p5 o 9 crediti al secondo per generazioni da testo e immagini. 13 o 16 al secondo per Video Extend.
Rapporto d'aspetto21:9 · 16:9 · 4:3 · 1:1 · 3:4 · 9:16Solo per text-to-video. Viene ignorato se fornisci un fotogramma iniziale o una clip originale.
Durata5 to 20 secondsDa 5 a 15 secondi se fornisci un video sorgente. Adatta il numero di passaggi dell'azione alla durata.
Genera audioOn / OffAttivo per impostazione predefinita. Disattivalo se la clip finirà in un montaggio con una propria traccia audio.

FAQ

Sì. L'audio viene generato insieme alle immagini ed è sincronizzato con ciò che accade sullo schermo: gli effetti seguono l'azione, senza andare fuori tempo. Lo dirigi dal prompt, indicando in fondo i suoni che vuoi. Disattiva l'opzione e ottieni una clip senza audio.