FLUX 3 のビデオ、オーディオ、シーン、および継続を調整する

FLUX 3 は、Black Forest Labs の画像、ビデオ、オーディオ、アクション予測のための統合モデルです。 公式ページでは、ビデオ、ネイティブ オーディオ、時間的推論、アクション予測が実証されており、画像生成は後のリリースで発表される予定です。

意図した結果から始めて、被写体のアイデンティティ、参照の役割、シーンの順序、タイミング、カメラの動き、および音声の意図を定義します。 画像とサウンドを 1 つのタイムラインに配置し、ソースが矛盾する場合にどちらの参照が優先されるかを示し、測定可能な連続性と品質チェックで終了します。

統合マルチモーダル モデルは、1 つのクリエイティブ コンテキスト内の外観、動き、タイミング、サウンド、アクションについて推論を行います。 これにより、別々のツール間で切り離された出力を渡すのではなく、シーン間で同じテーマとストーリー ロジックを調整することが簡単になります。

FLUX 3 は、1 つのモデル ファミリー内の画像、ビデオ、オーディオ、アクション予測をカバーします。ビデオ、ネイティブ オーディオ、アクション予測は正式リリースで実証され、画像生成については後のリリースで発表されます。

FLUX 3 Video は 1 世代で最大 20 秒のクリップを作成します。 時間制限付きショット プランを使用して、シーンの変化、被写体のアクション、カメラの動き、ダイアログ、効果、継続時間全体の雰囲気を調整します。

はい。 FLUX 3 は、フレームとともに生成される多言語音声、エフェクト、アンビエンスを備えたオプションのネイティブ オーディオをサポートします。 画像イベントとサウンド イベントを同じタイムラインに配置して、各オーディオビジュアル ビートの開始、変更、解像度を制御します。

FLUX 3 は、テキスト、静止画像、開始フレームと終了フレーム、複数の順序付けされたキーフレーム、複数のシーンまたはカメラ アングル、および既存のクリップの最後のフレームからの継続をサポートします。 すべての入力に明確な役割と優先順位を割り当て、それらが互いに矛盾するのではなく強化するようにします。

1 つの一貫した ID 参照セットを使用し、視覚属性の定義を繰り返して、場所やカメラの角度によって変化しない属性を指定します。 順序付けられたキーフレーム、連続性メモ、および明確な参照階層は、アイデンティティ、ワードローブ、製品のジオメトリ、およびシーンのロジックを保持するのに役立ちます。

アイデンティティ、構成、空間ロジック、モーション、タイミング、タイポグラフィ、リップシンク、オーディオを個別のパスとしてチェックします。 問題が発生した最初のポイントをマークし、変数を 1 つ変更して、成功したセグメントを保存して、各リビジョンの原因を追跡できるようにします。

簡潔なマスター プロンプト、一貫した ID 参照、および各位置、アクション、カメラ アングル、トランジションを定義する順序付けされたキーフレームまたはシーン ノートを使用します。ダイアログとオーディオ キューを同じタイムラインに揃えて、シーン全体でどの詳細が維持され、どの詳細が変更される可能性があるかを示します。