Innebygd synkronisert lyd
Lyden genereres samtidig med videoen, så den følger det som skjer på skjermen i stedet for å ligge løst oppå. Miljølyd, effekter og stemmer styres fra prompten. Slå av lyden med én bryter når du vil lydlegge klippet selv.
Flux 3 Video promptguide
Flux 3 Video promptguide: Flux 3 Video er videomodellen fra Black Forest Labs som skaper lydsporet samtidig med bildet. Start med en prompt, et stillbilde, to stillbilder eller et klipp du allerede har. Opptil 20 sekunder, seks bildeformater inkludert 21:9 ultrabredt, 720p eller 1080p.
De fleste videomodeller gir deg et lydløst klipp og lar deg ordne lyden selv. Flux 3 Video genererer lyd og bilde samtidig, med lyd som følger det som skjer på skjermen. Fottrinn treffer når foten lander, døren høres idet den lukkes, og romlyden ligger under hele opptaket. Du styrer alt fra prompten, så lyden er noe du skriver inn, ikke noe du legger til etterpå.
Du har tre innganger, alle på samme side. Skriv en prompt for tekst til video. Legg ved et startbilde for bilde til video, eventuelt med et sluttbilde som modellen bygger bevegelsen frem mot. Legg ved et klipp i stedet, så forlenger eller forvandler modellen det. Klipp varer fra 5 til 20 sekunder i 720p (5 kreditter per sekund) eller 1080p (9 kreditter per sekund). Videoforlengelse er begrenset til 15 sekunder og har en høyere kredittrate.
20s
Lengste klipp
6
Bildeformater
Lyd
Genereres sammen med bildet
Lyden genereres samtidig med videoen, så den følger det som skjer på skjermen i stedet for å ligge løst oppå. Miljølyd, effekter og stemmer styres fra prompten. Slå av lyden med én bryter når du vil lydlegge klippet selv.
La bilde- og videofeltene stå tomme, så blir prompten en tekst-til-video-jobb. Legg ved et startbilde, så animeres bildet. Legg ved et klipp, så fortsetter modellen det. Én side, ett promptfelt, ingen modusmeny å velge feil i.
Gi modellen et startbilde og et sluttbilde, så bygger den bevegelsen fra det ene til det andre. Nyttig for en kontrollert avduking, et matchklipp mellom to renderinger eller en forvandling der både start og slutt må være presise.
Ett klipp varer fra 5 til 20 sekunder. Det gir rom for en tydelig handlingsstruktur, en komplett produktreklame eller et stemningsfullt opptak som får puste. Videoforlengelse stopper på 15 sekunder per jobb, og du kan kjede flere forlengelser videre derfra.
21:9 til anamorfiske opptak og tittelsekvenser, 16:9 til vanlig liggende format, 4:3 og 3:4 til klassiske proporsjoner, 1:1 til kvadratisk innhold i sosiale medier og 9:16 til stående format. Ultrabredt er sjeldent blant videomodeller, og her genereres formatet direkte, uten beskjæring.
Lag utkast i 720p, og fullfør i 1080p. Den høyere oppløsningen bevarer fine teksturer som betyr noe i stemningsfulle opptak, produktmaterialer og scener med små detaljer. Til karakter- og actionklipp holder 720p som regel.
Hvert eksempel viser den nøyaktige prompten som ga resultatet. Kopier hvilken som helst prompt med ett klikk.
21:9 ultrabredt · lyd på
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
Én sveipende bevegelse over et vidstrakt motiv er det 21:9 er laget for. Legg merke til lydinstruksen til slutt: Beskriv stillheten, og deretter den ene lyden som får bryte den. Det gir et renere lydbilde enn å bare be om vind.
16:9 · lyd på
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
Nærbilder trenger en rolig bevegelse og et tydelig beskrevet ansikt. «Værbitt» og «eldre fisker» gjør mer enn et helt avsnitt med beskrivelser, og måkene i det fjerne plasserer opptaket i et miljø uten å legge noe til i bildet.
16:9 · lyd på
Anime-style schoolgirl running along a cherry-blossom lined river path, petals swirling in the wind, vibrant spring colors, upbeat mood
Stilprompter trenger også et bevegelsesverb. «Løper» pluss «kronblader virvler» gir modellen to lag med bevegelse. Det er forskjellen på et animert opptak og en panorering over en stillestående illustrasjon.
1:1 kvadratisk · lyd på
Square product spot of a luxury wristwatch rotating on a black pedestal, dramatic rim lighting sweep, dust particles in the beam, deep ambient tone
La motivet bevege seg i stedet for kameraet når hele opptaket handler om produktet. En roterende sokkel og et sveip med lyset viser objektet fra alle vinkler, mens støv i lysstrålen gjør lyset synlig.
16:9 · lyd på
Northern lights dancing over a snow-covered pine forest, stars visible, slow upward tilt, ethereal ambient tones
Stemningsfulle opptak bygger på én langsom kamerabevegelse og ett element som beveger seg av seg selv. Kameraet vippes opp og avdekker himmelen mens nordlyset står for bevegelsen. Slik blir ingenting i bildet stående og vente.
9:16 stående · lyd på
Vertical shot of a parkour athlete vaulting across rooftop gaps at sunset, dynamic tracking camera, city sprawling below, sneakers scraping concrete
For action i 9:16: Beskriv kameraet som følger motivet, og én kontaktlyd. «Joggesko som skraper mot betong» er en konkret hendelse knyttet til bevegelsen. Den kommer langt tydeligere frem i lydmiksen enn generell bylyd.
Flux 3 Video genererer lyd enten du beskriver den eller ikke. Skriver du ingenting, får du modellens gjetning. Avslutt prompten med én til tre konkrete lyder, så får du lydbildet du ønsket deg.
Filmmusikk dukker fort opp ubedt i filmatiske prompter. Avslutt med «ingen musikk» for å holde lyden til miljø og effekter. Det er det du vil ha når klippet skal inn i en redigering med eget lydspor.
Velg én: rolig kjøring fremover, sideveis glidning, kranbevegelse opp, 90 graders bevegelse rundt motivet eller håndholdt følgekamera. To bevegelser i samme prompt gir rotete kameraføring. Trenger du en bevegelse til, lager du et nytt klipp eller en forlengelse.
Prompten bør leses som sceneanvisninger. «Hun puster ut, dugger til ruten og tørker så en sirkel klar» gir handling. «En ettertenksom kvinne på en buss» gir modellen ingenting å animere, og resultatet blir et nesten stillestående bilde.
Et klipp på 20 sekunder trenger tre eller fire handlingsledd, ellers flyter det ut. Et klipp på 5 sekunder trenger ett. Tilpass antall handlinger til lengden i stedet for å betale for sekunder prompten ikke fyller.
Med 5 kreditter per sekund er 720p stedet du finner riktig opptak. Når bevegelse og lyd sitter, kjører du samme prompt på nytt i 1080p til den ferdige versjonen. Samme prompt, samme struktur, flere detaljer.
Legger du ved et startbilde eller et kildeklipp, hentes formatet derfra. Trenger du 21:9 fra et bilde, beskjærer du bildet til 21:9 før du laster det opp.
Skal du lage en montasje der alle klipp får samme lydspor i etterarbeidet, slår du av lyden. Det er ingen grunn til å generere et lydbilde du uansett skal dempe.
1. Scene og motiv. Start med hva vi ser, og hvor nært vi er. «Halvnært bilde av en kvinne ved et regnstripet bussvindu om natten» fastsetter utsnitt, motiv, miljø og tid på døgnet i én linje. Vage åpninger gir generiske opptak.
2. Kamerabevegelse. Beskriv nøyaktig én bevegelse og hastigheten på den. «Kameraet kjører jevnt fremover», «én langsom 90 graders bevegelse rundt motivet», «håndholdt følgekamera som gynger med turen». Hastigheten betyr like mye som retningen, og et klipp uten en angitt kamerabevegelse blir gjerne stående stille.
3. Bevegelse og handlingsverb. Skriv handlingene i rekkefølge, som sceneanvisninger. «Hun puster ut, dugger til ruten og tørker så en liten sirkel klar.» Ett handlingsledd for et klipp på 5 sekunder, tre eller fire for 15 til 20 sekunder. Det er denne delen som gjør et fotografi i bevegelse til et ordentlig opptak.
4. Lydinstrukser. Modellen genererer lyd, så gi den regi. Avslutt prompten med konkrete lyder du vil ha: «måker som skriker i det fjerne», «joggesko som skraper mot betong», «dyp stillhet uten motorlyd, brutt av vind». Én til tre lydinstrukser er som regel nok. Legg til «ingen musikk» når du bare vil ha miljølyd.
5. Stil og stemning. Avslutt med det visuelle uttrykket: palett, lyssetting, objektiv, fargegradering og renderingsstil. «Kjølige blå skygger med varmt kantlys fra soloppgangen, anamorfisk filmgradering» eller «flat cel shading, synlige konturlinjer, varm ravpalett». Med stil til slutt tar den ikke plassen fra handlingen.
Legg ved et startbilde, så animerer Flux 3 Video videre fra det. Bildet bestemmer motivet, komposisjonen og hele det visuelle uttrykket. Derfor ignoreres innstillingen for bildeformat, og bildet definerer utsnittet. Beskjær bildet til ønsket format før du laster det opp. Bilde til video har samme kredittrate som tekst til video og støtter hele spennet fra 5 til 20 sekunder.
Flux 3 Video promptguide: Beskriv bevegelsen, ikke bildet. Dette er den aller vanligste feilen med bilde-til-video. Bildet viser allerede hvordan scenen ser ut. Beskriver du motivet på nytt, inviterer du bare modellen til å avvike fra det. Bruk hele prompten på hva som beveger seg, hvordan kameraet oppfører seg, og hvordan det høres ut.
Legg til et sluttbilde, så bygger modellen overgangen mellom de to stillbildene. Begge bildene følges, så klippet ender nøyaktig på sluttbildet ditt. Bruk det til en kontrollert avduking, et matchklipp mellom to rendringer eller en før-og-etter-forvandling der begge endepunktene må stemme. Et sluttbilde krever et startbilde og kan ikke brukes alene.
Når du bruker begge bildene, beskriv reisen i stedet for endepunktene. «Kameraet trekker seg tilbake mens tåken letter og lyset skifter fra blått til ravgult» forteller modellen hvordan den skal komme seg dit. Å nevne ting som allerede er synlige i et av stillbildene, er bortkastet plass i prompten.
Legg ved et klipp i stedet for et bilde, så kjøres jobben i video-til-video-modus. Modellen tar utgangspunkt i opptaket ditt og lager en fortsettelse, eller forvandler det hvis prompten ber om en ny stil eller setting. Kildeklippet bestemmer bildeformatet, så sideforholdet ignoreres også her.
Forlengelser er begrenset til 15 sekunder per jobb og har en høyere pris: 13 kreditter per sekund ved 720p, 16 ved 1080p. For den ekstra kostnaden får du en fortsettelse som matcher kilden, i stedet for en ny generering du må tilpasse i klippen. Vil du ha en lengre sekvens, forlenger du forlengelsen.
Beskriv fortsettelsen, ikke det som allerede har skjedd. «Kameraet fortsetter fremover, og kløften åpner seg mot en opplyst dal» gir modellen en retning. Å beskrive det som allerede skjedde i kildeklippet, sløser bort prompten og kan få modellen til å gjenta øyeblikket du nettopp betalte for.
Stillbilder og et kildeklipp kan ikke kombineres i samme jobb. Velg ett utgangspunkt. Vil du styre slutten av en forlengelse mot et bestemt stillbilde, genererer du først forlengelsen. Kjør deretter en egen jobb med start- og sluttbilde, der du bruker den siste ruten fra forlengelsen som startbilde.
| Innstilling | Verdier | Merknader |
|---|---|---|
| Prompt | string (required) | Scene, kamerabevegelse, handlingsmomenter, lyd og stil. Se rammeverket i fem deler ovenfor. |
| Startbilde | image URL (optional) | Bytter til bilde-til-video. Samme kredittpris som tekst-til-video. Bildet bestemmer bildeformatet, så sideforholdet ignoreres. |
| Sluttbilde | image URL (optional) | Krever et startbilde. Modellen genererer overgangen mellom de to stillbildene. |
| Kildevideo | video URL (optional) | Bytter til videoforlengelse. Høyere kredittpris, maks 15 sekunder. Kan ikke kombineres med stillbilder. |
| Oppløsning | 720p · 1080p | 5 eller 9 kreditter per sekund for tekst- og bildejobber. 13 eller 16 per sekund for videoforlengelse. |
| Sideforhold | 21:9 · 16:9 · 4:3 · 1:1 · 3:4 · 9:16 | Kun tekst-til-video. Ignoreres når du legger ved et startbilde eller kildeklipp. |
| Varighet | 5 to 20 seconds | 5 til 15 sekunder når du legger ved en kildevideo. Tilpass antall handlingsmomenter til lengden. |
| Generer lyd | On / Off | På som standard. Slå av når klippet skal inn i en redigering med eget lydspor. |
Ja. Lyden lages samtidig med bildet og tilpasses det som skjer på skjermen, så effektene treffer handlingen i stedet for å komme ut av takt. Du styrer lyden ved å beskrive lydene du ønsker, på slutten av prompten. Slå av bryteren for å få et klipp uten lyd.
Tekst-til-video og bilde-til-video gir klipp på 5 til 20 sekunder, de lengste i Flux-familien. Videoforlengelse er begrenset til 15 sekunder per jobb. Vil du videre, forlenger du resultatet igjen.
Tekst-til-video og bilde-til-video koster 5 kreditter per sekund ved 720p og 9 ved 1080p. Et klipp på 10 sekunder i 720p koster dermed 50 kreditter. Videoforlengelse koster 13 kreditter per sekund ved 720p og 16 ved 1080p, fordi det krever mer arbeid å matche et eksisterende klipp.
Ja, og det er en av de sterkeste funksjonene. Legg ved begge, så genererer modellen bevegelsen fra det første stillbildet til det andre og lander nøyaktig på sluttbildet ditt. Et sluttbilde krever et startbilde, og ingen av dem kan kombineres med en kildevideo.
Fordi du har lagt ved et startbilde eller et kildeklipp. I disse modusene bestemmes bildeformatet av filen du legger ved. Beskjær bildet eller klippet til ønsket format før du laster det opp, eller bruk tekst-til-video hvis du trenger et bestemt sideforhold.
Seks: 21:9 ultrabredt, 16:9 liggende, 4:3, 1:1 kvadratisk, 3:4 og 9:16 stående. 21:9 genereres direkte i formatet, ikke ved beskjæring. Det er uvanlig blant videomodeller og nyttig til anamorfiske uttrykk og tittelsekvenser.
Lag utkast i 720p mens du finjusterer bevegelse og lyd. Kjør deretter vinnerprompten på nytt i 1080p. Den høyere oppløsningen er verdt kredittene for stemningsfulle scener, produktmaterialer og alt med små detaljer i bildet. Til rask action holder 720p som regel.
Ja. I Canvas finner du den i to varianter: Flux 3 Video for å animere et bilde eller en prompt, og Flux 3 Video Extend for å fortsette et klipp. Det offentlige API-endepunktet er /api/v1/models/flux-3-video/run med feltene prompt, image, last_frame_image, video, resolution, aspect_ratio, duration og generate_audio.