Skip to main content

Flux 3 Video: poradnik promptów

Flux 3 Video.
Obraz i dźwięk za jednym razem.

Flux 3 Video: poradnik promptów do modelu wideo od Black Forest Labs, który tworzy ścieżkę dźwiękową razem z obrazem. Zacznij od promptu, pojedynczej klatki, dwóch obrazów lub gotowego klipu. Do 20 sekund, sześć proporcji obrazu, w tym ultraszerokie 21:9, rozdzielczość 720p lub 1080p.

Przegląd

Większość modeli wideo daje ci niemy klip, a dźwięk zostawia na twojej głowie. Flux 3 Video generuje dźwięk razem z obrazem, za jednym razem, dopasowując go do tego, co dzieje się na ekranie. Odgłosy kroków trafiają w moment stawiania stóp, drzwi słychać dokładnie wtedy, gdy się zamykają, a szum pomieszczenia towarzyszy całemu ujęciu. Reżyserujesz to promptem, więc dźwięk opisujesz od razu, zamiast dokładać go później.

Masz trzy punkty wyjścia, wszystkie na jednej stronie. Wpisz prompt, by wygenerować wideo z tekstu. Dodaj klatkę początkową, by stworzyć wideo z obrazu. Możesz też dodać klatkę końcową, do której model płynnie poprowadzi ruch. Zamiast obrazu dodaj klip, a model go przedłuży lub przekształci. Klipy trwają od 5 do 20 sekund w 720p (5 kredytów za sekundę) lub 1080p (9 kredytów za sekundę). Przedłużanie wideo ma limit 15 sekund i wyższą stawkę.

20s

Najdłuższy klip

6

Proporcje obrazu

Dźwięk

Generowany razem z obrazem

Kluczowe funkcje

Dźwięk tworzony razem z obrazem

Natywny, zsynchronizowany dźwięk

Dźwięk powstaje razem z wideo, więc pasuje do wydarzeń na ekranie, zamiast być tylko nałożonym tłem. Odgłosami otoczenia, efektami i głosami sterujesz w prompcie. Jeśli chcesz samodzielnie podłożyć ścieżkę dźwiękową, wyłącz generowanie dźwięku jednym przełącznikiem.

Tekst, klatki lub gotowy klip

Trzy punkty wyjścia

Zostaw pola obrazu i wideo puste, a prompt wygeneruje wideo z tekstu. Dodaj klatkę początkową, a model ją ożywi. Dodaj klip, a model go przedłuży. Jedna strona, jedno pole promptu, bez listy trybów, na której można się pomylić.

Płynne przejście między dwoma obrazami

Klatka początkowa i końcowa

Podaj klatkę początkową i końcową, a model zbuduje ruch łączący oba obrazy. Przyda się do precyzyjnego odsłonięcia obiektu, przejścia montażowego opartego na podobieństwie dwóch renderów lub transformacji, w której początek i koniec muszą być dokładnie takie, jak chcesz.

Najdłuższe klipy w rodzinie Flux

Do 20 sekund

Pojedynczy klip trwa od 5 do 20 sekund. To przestrzeń na przemyślaną sekwencję zdarzeń, pełny spot produktowy lub klimatyczne ujęcie, które ma czas wybrzmieć. Jedno przedłużenie wideo może mieć maksymalnie 15 sekund, a kolejne przedłużenia możesz łączyć.

Od ultraszerokiego 21:9 po 9:16

Sześć proporcji obrazu

21:9 do ujęć anamorficznych i sekwencji tytułowych, 16:9 do standardowego poziomego kadru, 4:3 i 3:4 do klasycznych proporcji, 1:1 do kwadratowych materiałów w social mediach, 9:16 do pionu. Ultraszeroki format to rzadkość wśród modeli wideo. Tutaj powstaje natywnie, bez przycinania obrazu.

5 lub 9 kredytów za sekundę

720p i 1080p

Testuj w 720p, finalizuj w 1080p. Wyższa rozdzielczość zachowuje drobne faktury ważne w klimatycznych ujęciach, materiałach produktów i scenach z małymi detalami. Przy postaciach i scenach akcji zwykle wystarcza 720p.

Przykładowe wideo

Przy każdym przykładzie znajdziesz dokładny prompt, który dał ten efekt. Skopiuj dowolny prompt jednym kliknięciem.

Filmowe ujęcie z drona

21:9, ultraszeroki kadr · dźwięk wł.

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

Jeden rozległy ruch nad szeroką sceną: właśnie do tego służy 21:9. Zwróć uwagę na opis dźwięku na końcu. Najpierw określ ciszę, potem jeden dźwięk, który może ją przerwać. Dostaniesz czystsze tło niż przy samej prośbie o wiatr.

Zbliżenie postaci

16:9 · dźwięk wł.

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

Zbliżenie potrzebuje delikatnego ruchu i konkretnej twarzy. „Twarz poorana zmarszczkami” i „starszy rybak” robią więcej niż cały akapit opisu, a odległe krzyki mew osadzają ujęcie w miejscu bez dodawania czegokolwiek do kadru.

Stylizowana scena anime

16:9 · dźwięk wł.

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

Prompt opisujący styl nadal potrzebuje czasownika ruchu. „Biegnie” i „wirujące płatki” dają modelowi dwie warstwy ruchu. To właśnie odróżnia animowane ujęcie od przesuwania kamery po nieruchomej ilustracji.

Spot produktowy

1:1, kwadrat · dźwięk wł.

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

Gdy cały kadr należy do produktu, poruszaj obiektem, nie kamerą. Obracający się podest i przesuwające się światło pokazują przedmiot z każdej strony, a kurz w snopie światła sprawia, że sam snop staje się widoczny.

Klimatyczny krajobraz

16:9 · dźwięk wł.

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

Klimatyczne ujęcie opiera się na jednym powolnym ruchu kamery i jednym elemencie, który porusza się sam. Kamera odchyla się w górę, odsłaniając niebo, a zorza tańczy. Dzięki temu kadr nie zastyga w bezruchu.

Akcja w pionie

9:16, pion · dźwięk wł.

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

Przy scenie akcji w 9:16 opisz kamerę podążającą za ruchem i jeden dźwięk kontaktu z podłożem. „Podeszwy trampek szorujące po betonie” to konkretne zdarzenie powiązane z ruchem. W miksie wypada znacznie lepiej niż ogólne odgłosy miasta.

Wskazówki do promptów

Opisz dźwięk, nie zostawiaj go przypadkowi

Flux 3 Video generuje dźwięk niezależnie od tego, czy go opiszesz. Jeśli nic nie napiszesz, model sam zgadnie, co pasuje. Wymień na końcu promptu od jednego do trzech konkretnych dźwięków, a dostaniesz takie tło, jakiego chcesz.

Chcesz samo otoczenie? Dopisz „bez muzyki”

W promptach o filmowym charakterze muzyka potrafi pojawić się bez zaproszenia. Zakończ prompt słowami „bez muzyki”, a zostaną odgłosy otoczenia i efekty. Właśnie tego potrzebujesz, jeśli klip trafi do montażu z własną ścieżką.

Jeden ruch kamery na klip

Wybierz jeden: powolny najazd, płynny ruch w bok, jazdę kranem w górę, orbitę o 90 stopni lub podążanie kamerą z ręki. Dwa ruchy w jednym prompcie wprowadzają chaos. Potrzebujesz drugiego ruchu? Zrób drugi klip lub przedłuż pierwszy.

Pisz czasownikami ruchu, nie przymiotnikami

Prompt powinien brzmieć jak wskazówki dla aktorów. „Wydycha powietrze, zaparowuje szybę, a potem wyciera w niej kółko” daje scenie akcję. „Zamyślona kobieta w autobusie” nie daje modelowi nic do animowania, więc dostajesz niemal nieruchomy kadr.

Dopasuj sekwencję zdarzeń do długości klipu

Klip trwający 20 sekund potrzebuje trzech lub czterech etapów akcji, inaczej traci rytm. Klip trwający 5 sekund potrzebuje jednego. Dopasuj liczbę działań do długości, zamiast płacić za sekundy, których prompt nie wypełnia.

Testuj w 720p, finalizuj w 1080p

Przy stawce 5 kredytów za sekundę 720p to miejsce na szukanie właściwego ujęcia. Gdy ruch i dźwięk już pasują, uruchom ten sam prompt w 1080p, by uzyskać wersję do publikacji. Ten sam prompt, ta sama struktura, więcej detali.

Proporcje ustawiasz tylko przy wideo z tekstu

Dodaj klatkę początkową lub klip źródłowy, a proporcje zostaną przejęte z tego materiału. Jeśli chcesz uzyskać 21:9 z obrazu, przytnij go do 21:9 przed przesłaniem.

Podkładasz własną ścieżkę? Wyłącz dźwięk

Jeśli montujesz materiał, w którym każdy klip dostanie tę samą ścieżkę na etapie postprodukcji, wyłącz dźwięk. Nie ma sensu generować tła, które i tak wyciszysz.

Prompt w pięciu częściach

1. Scena i bohater. Zacznij od tego, co widzimy i z jakiej odległości. „Półzbliżenie kobiety przy szybie autobusu pokrytej smugami deszczu, noc” ustala w jednym zdaniu kadr, bohaterkę, otoczenie i porę dnia. Ogólnikowy początek daje nijakie ujęcia.

2. Ruch kamery. Wskaż dokładnie jeden ruch i jego tempo. „Kamera wykonuje jeden równomierny najazd”, „jedna powolna orbita o 90 stopni”, „kamera z ręki podąża za bohaterem, opadając w rytm jazdy”. Tempo jest równie ważne jak kierunek, a bez wskazanego ruchu klip zwykle pozostaje statyczny.

3. Ruch i czasowniki akcji. Opisz kolejne zdarzenia jak wskazówki dla aktorów. „Wydycha powietrze, zaparowuje szybę, a potem wyciera w niej małe kółko”. Jeden etap akcji na klip trwający 5 sekund, trzy lub cztery na 15 do 20 sekund. To ta część zmienia ruchomą fotografię w prawdziwe ujęcie.

4. Wskazówki dźwiękowe. Model generuje dźwięk, więc nim pokieruj. Zakończ prompt konkretnymi dźwiękami, które chcesz usłyszeć: „krzyki mew w oddali”, „podeszwy trampek szorujące po betonie”, „głęboka cisza bez odgłosów silników, przerywana wiatrem”. Zwykle wystarczy od jednej do trzech wskazówek. Dodaj „bez muzyki”, jeśli chcesz tylko odgłosy otoczenia.

5. Styl i nastrój. Na końcu opisz wygląd: paletę, oświetlenie, obiektyw, korekcję barwną i styl renderowania. „Chłodne niebieskie cienie z ciepłym konturem wschodzącego słońca, filmowa kolorystyka i anamorficzny charakter” lub „płaski cel shading, widoczny kontur, ciepła bursztynowa paleta”. Styl na końcu nie przytłoczy akcji.

Wideo z obrazu: klatka początkowa, końcowa i przejścia

Dodaj klatkę początkową, a Flux 3 Video wprawi ją w ruch. To ona określa temat, kompozycję i cały wygląd ujęcia, więc ustawienie proporcji obrazu jest pomijane, a kadr wynika z przesłanego obrazu. Przed przesłaniem przytnij obraz do wybranych proporcji. Generowanie wideo z obrazu kosztuje tyle samo co generowanie z tekstu i obsługuje pełny zakres od 5 do 20 sekund.

Poradnik promptowania Flux 3 Video: opisuj ruch, nie obraz. To największy błąd przy generowaniu wideo z obrazu. Obraz już pokazuje, jak wygląda scena, więc ponowne opisywanie tematu tylko prowokuje model do odejścia od oryginału. Cały prompt poświęć temu, co się rusza, jak pracuje kamera i co słychać.

Dodaj klatkę końcową, a model zbuduje przejście między dwoma obrazami. Uwzględnia obie klatki, więc klip kończy się dokładnie na wskazanym obrazie. Wykorzystaj to do kontrolowanego odsłonięcia sceny, cięcia z dopasowaniem między dwoma renderami lub przemiany przed i po, w której oba końce muszą być precyzyjne. Klatka końcowa wymaga klatki początkowej. Nie można użyć jej samodzielnie.

Gdy korzystasz z obu klatek, opisuj przejście, a nie punkt startu czy finał. „Kamera się oddala, mgła opada, a światło zmienia się z niebieskiego na bursztynowe” mówi modelowi, jak dotrzeć do celu. Opisywanie rzeczy widocznych już na którymś z obrazów to marnowanie promptu.

Video Extend: przedłuż lub przekształć klip

Dodaj klip zamiast obrazu, a generowanie przełączy się w tryb wideo na wideo. Model podejmie akcję z twojego materiału i stworzy ciąg dalszy albo go przekształci, jeśli w prompcie poprosisz o zmianę stylu lub scenerii. Klip źródłowy wyznacza kadr, więc tutaj też ustawienie proporcji jest ignorowane.

Przedłużenie ma limit 15 sekund na generowanie i wyższą stawkę: 13 kredytów za sekundę w 720p, 16 w 1080p. Ta dopłata daje ci kontynuację dopasowaną do źródła, a nie nowy materiał, który trzeba ratować montażem. Potrzebujesz dłuższej sekwencji? Przedłuż wygenerowaną kontynuację.

Opisuj ciąg dalszy, nie streszczenie. „Kamera nadal jedzie do przodu, a kanion otwiera się na rozświetloną dolinę” wyznacza kierunek. Opisywanie tego, co już wydarzyło się w klipie źródłowym, marnuje prompt i może sprawić, że model powtórzy akcję, za którą właśnie płacisz.

Nie można łączyć obrazów klatek i klipu źródłowego w jednym generowaniu. Wybierz jeden punkt wyjścia. Jeśli chcesz, by przedłużenie zakończyło się na konkretnym obrazie, najpierw wygeneruj kontynuację. Potem użyj jej ostatniej klatki jako początkowej w osobnym generowaniu z klatką początkową i końcową.

Przegląd ustawień

UstawienieWartościUwagi
Promptstring (required)Scena, ruch kamery, etapy akcji, wskazówki dźwiękowe, styl. Zobacz schemat z pięciu elementów powyżej.
Klatka początkowaimage URL (optional)Włącza generowanie z obrazu. Stawka taka sama jak przy generowaniu z tekstu. Obraz wyznacza kadr, więc ustawienie proporcji jest ignorowane.
Klatka końcowaimage URL (optional)Wymaga klatki początkowej. Model generuje przejście między dwoma obrazami.
Wideo źródłowevideo URL (optional)Włącza przedłużanie wideo. Wyższa stawka kredytowa, limit 15 sekund. Nie można łączyć z obrazami klatek.
Rozdzielczość720p · 1080p5 lub 9 kredytów za sekundę przy generowaniu z tekstu i obrazu. 13 lub 16 za sekundę przy przedłużaniu wideo.
Proporcje obrazu21:9 · 16:9 · 4:3 · 1:1 · 3:4 · 9:16Tylko przy generowaniu z tekstu. Ignorowane po dodaniu klatki początkowej lub klipu źródłowego.
Czas trwania5 to 20 secondsOd 5 do 15 sekund po dodaniu wideo źródłowego. Dopasuj liczbę etapów akcji do długości klipu.
Generuj dźwiękOn / OffDomyślnie włączone. Wyłącz, jeśli klip trafi do montażu z własną ścieżką dźwiękową.

FAQ

Tak. Dźwięk powstaje razem z obrazem i jest dopasowany do tego, co dzieje się na ekranie, więc efekty trafiają w akcję zamiast się z nią rozmijać. Sterujesz nim w prompcie: na końcu dopisz, jakie dźwięki chcesz usłyszeć. Wyłącz przełącznik, a otrzymasz klip bez dźwięku.