Flux 3

ネイティブ音声を同期した動画

クリップは 5・10・20 秒で、一般的なアスペクト比に対応する。音声スイッチを入れたままにすると、セリフ、効果音、環境音が映像と同時に生成される。音声を切れば無音素材となり、後から別の音を載せられる。

キーフレームと参照画像で操る画像→動画

1 枚の静止画を冒頭フレームにでき、任意の 2 枚目で動きの着地点を指定できる。動画→動画の参照転送は、既存素材のキャラクター、スタイル、文脈を新しい場面へ引き継ぐ。

画像の生成と編集

テキストからの画像出力は 1K・2K・4K に対応し、比率は自動または固定を選べる。画像編集は参照画像のアップロードを受け付け、自然言語の指示に従って変更する。

多言語のセリフとタイポグラフィ

表情の再現、物音と出来事の対応づけ、複数言語の発話を同じ実行で処理し、文字主体のデザインも高い精度で描画する。

マルチショットの連結

個々のクリップを長いシーケンスへつなげ、視覚参照によって散在する場面でもキャラクターを見分けられる状態に保つ。

FLUX 3 Max 版

fal Research が追加学習した動画モデル版で、低遅延と精細な画質を狙い、1 秒刻みの 5–20 秒、720p と 1080p の出力に対応する。

• 映像作家・ストーリーテラー：本制作の前に導入カットを起こし、カメラ移動を試し、ビジュアルの企画書を作る。
• ブランドとクリエイティブチーム：広告の方向性を複数のモーション案に変換し、雰囲気・構図・場面を並べて比べる。
• デザイナーと個人クリエイター：イラストやコンセプト画に動きを与え、案件に合わせてフレーミングを調整する。
• ロボティクス・フィジカルAIチーム：世界理解を行動予測に使い、FLUX-mimic で器用な操作を微調整する。
• SNS・ショート動画編集：縦型や正方形のクリップを、セリフと環境音つきで直接作り、フィード配信に回す。

FLUX 3 とは何か？

Black Forest Labs が、画像・動画・音声を同時に学習させるために作り、Self-Flow 方式で生成と理解を同一アーキテクチャ内に揃えている。

今すぐ使えるのか？

動画生成は早期アクセスで公開済み。画像モデルは数週間以内に続き、オープンウェイトと FLUX-mimic 行動モデルは選定パートナー向けに先に開かれる。

生成したクリップに音は入るか？

音声スイッチが入っていれば入る。セリフ、効果音、環境音が映像とともに作られる。切れば無音になり、独自の音楽を載せられる。

1 本の長さはどれくらいか？

動画ツールは 5・10・20 秒の三档。FLUX 3 Max では 5–20 秒の範囲を 1 秒刻みで調整できる。

FLUX 3 Video と FLUX 3 Max の違いは？

Max は fal Research が追加学習した版で、プロンプト追従、画質、短いモデル時間を重視し、1080p 拡大と終了フレーム指定に対応する。

クレジットはどう精算されるか？

実行ごとに提出前へクレジット価格が表示され、購読プランは初日に年間枠を付与し、失敗したタスクは課金分が戻る。

flux3.dev は Black Forest Labs の公式サイトか？

違う。公開情報をまとめたサイトで提携がないと明記しており、公式の窓口と文書は Black Forest Labs が提供する。

• まずサインインする。クレジットがないと実行を開始できない。
• メニューからツールを選ぶ（テキスト→動画、画像→動画、動画編集、画像→画像、テキスト→画像）。
• 必要なら PNG・JPG・WebP の静止画を開始フレーム欄に入れ、終点を決めたいときは終了フレームも追加する。
• プロンプト欄に場面を書き、被写体、カメラの動き、雰囲気、発生させたいセリフや効果音を記す。
• 長さ、解像度、アスペクト比、音声スイッチを整え、生成ボタン横のクレジット数を確認する。
• 「マイ作品」からファイルを取り出し、プロンプトや参照画像を変えてもう一度試す。