Skip to main content

Guia de prompts para Flux 3 Video

Flux 3 Video.
Imagem e som de uma vez só.

Neste guia de prompts para Flux 3 Video, conheça o modelo de vídeo da Black Forest Labs que cria o som junto com a imagem. Comece com um prompt, uma imagem estática, duas imagens ou um clipe que você já tem. Até 20 segundos, seis proporções, incluindo ultrawide 21:9, em 720p ou 1080p.

Visão geral

A maioria dos modelos de vídeo entrega um clipe sem som e deixa o áudio por sua conta. O Flux 3 Video gera áudio junto com a imagem, na mesma geração, em sincronia com o que aparece na tela. Os passos acompanham as pisadas, o som da porta bate na hora em que ela fecha e o som ambiente preenche a cena inteira. Você dirige tudo pelo prompt: em vez de adicionar o som depois, você já escreve como ele deve ser.

Há três formas de começar, todas na mesma página. Escreva um prompt para gerar vídeo a partir de texto. Anexe um quadro inicial para gerar vídeo a partir de imagem, com a opção de incluir um quadro final até o qual o modelo faz a interpolação. Ou anexe um clipe para o modelo continuar ou transformar. Os clipes duram de 5 a 20 segundos em 720p (5 créditos por segundo) ou 1080p (9 créditos por segundo). A extensão de vídeo tem limite de 15 segundos e custa mais por segundo.

20s

Duração máxima

6

Proporções

Áudio

Gerado junto com a imagem

Principais recursos

Som criado junto com a imagem

Áudio sincronizado nativo

O áudio é gerado junto com o vídeo, acompanhando o que acontece na tela em vez de ficar solto sobre a imagem. Ambiente, efeitos e vozes são dirigidos pelo prompt. Desative o áudio com um único botão quando quiser criar a trilha por conta própria.

Texto, quadros ou um clipe existente

Três formas de começar

Deixe os campos de imagem e vídeo vazios para gerar vídeo a partir do seu prompt de texto. Anexe um quadro inicial para animá-lo. Anexe um clipe para o modelo dar continuidade a ele. Uma página, uma caixa de prompt e nenhum seletor de modo para você errar.

Interpolação entre duas imagens

Quadro inicial e final

Forneça um quadro inicial e um quadro final: o modelo cria o movimento que conecta os dois. Útil para uma revelação controlada, um match cut entre duas renderizações ou uma transformação em que o início e o fim precisam ser exatos.

A maior duração da família Flux

Até 20 segundos

Um único clipe dura de 5 a 20 segundos. Dá para criar uma sequência com ritmo de verdade, um anúncio completo de produto ou um plano atmosférico com tempo para respirar. A extensão de vídeo chega a 15 segundos por geração, e você pode encadear novas extensões a partir daí.

De ultrawide 21:9 a 9:16

Seis proporções

21:9 para visual anamórfico e sequências de títulos, 16:9 para o formato horizontal padrão, 4:3 e 3:4 para proporções clássicas, 1:1 para posts quadrados e 9:16 para vídeos verticais. A opção ultrawide é rara entre modelos de vídeo e é nativa, não um recorte.

5 ou 9 créditos por segundo

720p e 1080p

Teste em 720p, finalize em 1080p. A resolução mais alta preserva texturas finas que fazem diferença em cenas atmosféricas, materiais de produtos e detalhes pequenos na tela. Para cenas com personagens e ação, 720p costuma dar conta do recado.

Vídeos de exemplo

Cada exemplo mostra o prompt exato que gerou o resultado. Copie qualquer prompt com um clique.

Plano cinematográfico de drone

Ultrawide 21:9 · áudio ativado

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

Um movimento amplo sobre um cenário extenso é o terreno do 21:9. Repare na direção de áudio ao final: descrever o silêncio e depois o único som que pode quebrá-lo cria uma base sonora mais limpa do que pedir apenas vento.

Close de personagem

16:9 · áudio ativado

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

Um close pede movimento suave e um rosto bem definido. "Rosto marcado pelo tempo" e "pescador idoso" fazem mais do que um parágrafo de descrição, e as gaivotas ao longe situam a cena sem acrescentar nada ao quadro.

Cena de anime estilizada

16:9 · áudio ativado

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

Prompts de estilo também precisam de verbos de movimento. "Correndo" e "pétalas girando no ar" dão ao modelo duas camadas de movimento. É isso que separa uma cena animada de uma câmera passeando por uma ilustração estática.

Anúncio de produto

Quadrado 1:1 · áudio ativado

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

Deixe o objeto se mover, não a câmera, quando o produto ocupa a cena inteira. O pedestal giratório e a varredura de luz mostram o objeto por todos os ângulos, enquanto a poeira no feixe torna a luz visível.

Paisagem atmosférica

16:9 · áudio ativado

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

Cenas atmosféricas funcionam com um movimento lento de câmera e um elemento que se move por conta própria. A câmera se inclina para cima e revela o céu enquanto a aurora se movimenta. Assim, nada no quadro fica parado à toa.

Ação na vertical

Vertical 9:16 · áudio ativado

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

Para ação em 9:16, descreva a câmera acompanhando o movimento e um som de contato. "Tênis raspando no concreto" é um evento específico ligado à ação e se destaca muito mais na mixagem do que um som genérico de cidade.

Dicas de prompt

Escreva o som, não deixe ao acaso

O Flux 3 Video gera áudio mesmo que você não o descreva. Se você não disser nada, ele decide por você. Liste de um a três sons específicos no fim do prompt para ter a base sonora que você queria.

Peça "sem música" quando quiser só som ambiente

Trilhas aparecem sem convite em prompts cinematográficos. Terminar o prompt com "sem música" mantém apenas o som ambiente e os efeitos, ideal para um clipe que vai entrar em uma edição com trilha própria.

Um movimento de câmera por clipe

Escolha um: avanço lento, deslocamento lateral, subida de grua, órbita de 90 graus ou acompanhamento com câmera na mão. Empilhar dois movimentos no mesmo prompt gera um resultado confuso. Se precisar de um segundo movimento, faça outro clipe ou uma extensão.

Use verbos de movimento, não adjetivos

O prompt deve soar como uma direção de cena. "Ela solta o ar, embaça o vidro e depois limpa um círculo" vira ação. "Uma mulher pensativa no ônibus" não dá ao modelo nada para animar, e o resultado é uma imagem quase parada.

Organize as ações para a duração escolhida

Um clipe de 20 segundos precisa de três ou quatro momentos de ação para não ficar sem rumo. Um clipe de 5 segundos precisa de um. Ajuste o número de ações à duração, em vez de pagar por segundos que o prompt não preenche.

Teste em 720p, finalize em 1080p

A 5 créditos por segundo, 720p é onde você encontra o plano certo. Quando o movimento e o áudio estiverem no ponto, rode o mesmo prompt em 1080p para criar a versão final. Mesmo prompt, mesma estrutura, mais detalhes.

A proporção só vale para texto para vídeo

Ao anexar um quadro inicial ou um clipe de origem, a proporção vem desse arquivo. Se você precisa de 21:9 a partir de uma imagem, recorte a imagem em 21:9 antes de enviar.

Desative o áudio se for adicionar sua própria trilha

Em montagens em que todos os clipes recebem a mesma trilha na pós-produção, desative o áudio. Não faz sentido gerar uma base sonora que você vai silenciar.

A estrutura de prompt em cinco partes

1. Cena e assunto. Comece com o que aparece na tela e a distância do enquadramento. "Plano médio fechado de uma mulher junto à janela de um ônibus à noite, com marcas de chuva no vidro" define enquadramento, personagem, cenário e horário em uma linha. Começos vagos geram cenas genéricas.

2. Movimento de câmera. Descreva exatamente um movimento e sua velocidade. "A câmera mantém um avanço contínuo e estável", "uma órbita lenta de 90 graus", "acompanhamento com câmera na mão, oscilando com o trajeto". A velocidade importa tanto quanto a direção, e um clipe sem movimento definido tende a ficar parado.

3. Movimento e verbos de ação. Escreva os acontecimentos em ordem, como uma direção de cena. "Ela solta o ar, embaça o vidro e depois limpa um pequeno círculo." Um momento de ação para um clipe de 5 segundos, três ou quatro para 15 a 20 segundos. É essa parte que transforma uma fotografia em movimento em uma cena.

4. Indicações de áudio. O modelo gera som, então assuma a direção. Feche o prompt com os sons que você quer, descritos de forma específica: "gaivotas cantando ao longe", "tênis raspando no concreto", "silêncio profundo, sem motores, quebrado pelo vento". De uma a três indicações costumam bastar. Acrescente "sem música" quando quiser apenas som ambiente.

5. Estilo e clima. Termine com o visual: paleta, iluminação, lente, tratamento de cor e estilo de renderização. "Sombras em azul frio com contornos aquecidos pelo nascer do sol, tratamento de cor cinematográfico anamórfico" ou "cel shading com cores chapadas, traços visíveis, paleta âmbar quente". Deixar o estilo por último evita que ele roube o espaço da ação.

Imagem para vídeo: quadro inicial, final e transições

Anexe um quadro inicial e o Flux 3 Video cria a animação a partir dele. Esse quadro define o assunto, a composição e todo o visual, então o ajuste de proporção é ignorado e a imagem determina o enquadramento. Recorte a imagem no formato desejado antes de enviar. A geração de vídeo a partir de imagem tem o mesmo custo da geração a partir de texto e aceita toda a faixa de duração, de 5 a 20 segundos.

Neste guia de prompts para Flux 3 Video, a regra é clara: descreva o movimento, não a imagem. Esse é o maior erro ao transformar imagem em vídeo. A imagem já mostra como é a cena, então descrever o assunto de novo só abre espaço para o modelo fugir dela. Use todo o prompt para dizer o que se move, como a câmera se comporta e quais sons entram em cena.

Adicione um frame final e o modelo cria a transição entre as duas imagens. Os dois frames são respeitados, então o clipe termina exatamente na sua imagem de fechamento. Use para uma revelação controlada, um match cut entre dois renders ou uma transformação de antes e depois em que as duas pontas precisam ser exatas. O frame final exige um frame inicial, não pode ser usado sozinho.

Ao usar os dois frames, descreva o percurso, não os pontos de partida e chegada. "A câmera recua enquanto a neblina se dissipa e a luz passa do azul ao âmbar" diz ao modelo como chegar lá. Citar elementos que já aparecem em qualquer uma das imagens é desperdiçar o prompt.

Extensão de vídeo: continue ou transforme um clipe

Anexe um clipe em vez de uma imagem e a geração entra no modo vídeo para vídeo. O modelo parte do seu material e cria uma continuação, ou o transforma se o prompt pedir uma mudança de estilo ou cenário. O clipe original define o enquadramento, então a proporção também é ignorada aqui.

A extensão tem limite de 15 segundos por geração e custa mais: 13 créditos por segundo em 720p, 16 em 1080p. Esse custo extra entrega uma continuação que combina com o original, em vez de uma geração nova que você precisa encaixar na edição. Para uma sequência mais longa, estenda o resultado da extensão.

Descreva a continuação, não recapitule. "A câmera continua avançando e o cânion se abre para um vale iluminado" dá uma direção ao modelo. Descrever o que já aconteceu no clipe original desperdiça o prompt e pode fazer o modelo repetir a ação pela qual você acabou de pagar.

Imagens de frames e um clipe original não podem ser combinados na mesma geração. Escolha um ponto de partida. Se quiser direcionar o fim de uma extensão para uma imagem específica, gere a extensão primeiro. Depois, use o último frame dela em uma geração separada com frames inicial e final.

Referência de ajustes

AjusteValoresObservações
Promptstring (required)Cena, movimento de câmera, etapas da ação, indicações de áudio e estilo. Veja a estrutura de cinco partes acima.
Frame inicialimage URL (optional)Ativa o modo imagem para vídeo. Mesmo custo de texto para vídeo. A imagem define o enquadramento, então a proporção é ignorada.
Frame finalimage URL (optional)Exige um frame inicial. O modelo gera a transição entre as duas imagens.
Vídeo de origemvideo URL (optional)Ativa a extensão de vídeo. Custo maior em créditos, limite de 15 segundos. Não pode ser combinado com imagens de frames.
Resolução720p · 1080p5 ou 9 créditos por segundo nas gerações com texto e imagem. 13 ou 16 por segundo na extensão de vídeo.
Proporção21:9 · 16:9 · 4:3 · 1:1 · 3:4 · 9:16Só para texto para vídeo. Ignorada quando você fornece um frame inicial ou clipe original.
Duração5 to 20 seconds5 a 15 segundos quando você fornece um vídeo de origem. Ajuste a quantidade de ações à duração.
Gerar áudioOn / OffAtivado por padrão. Desative quando o clipe for entrar em uma edição com trilha própria.

Perguntas frequentes

Sim. O som é produzido junto com a imagem e acompanha o que acontece na tela, então os efeitos entram no momento da ação, sem sair de sincronia. Você dirige o áudio pelo prompt, listando no final os sons que quer ouvir. Desative a opção para gerar um clipe sem som.