FLUX 3 für Bilder, Videos und natives Audio
FLUX 3 ist das vereinheitlichte multimodale Modell von Black Forest Labs für Bild, Video, Audio und Aktionsvorhersage. Die Veröffentlichung hebt Videos bis 20 Sekunden, natives mehrsprachiges Audio, Text-zu-Video, Bild-zu-Video, geordnete Keyframes, mehrere Szenen und Fortsetzung hervor; Bildgenerierung wurde für eine spätere Veröffentlichung angekündigt. Ein Modell deckt ab, wofür sonst je Medium ein eigenes Werkzeug nötig ist: Plane Einstellung, Bewegung und Ton in einem Briefing.
Was FLUX 3 in einem multimodalen Modell vereint
Die offizielle Veröffentlichung verbindet visuelle Generierung, Klang, zeitliches Verständnis und Aktionsvorhersage. Das Video unten ist offizielles Material von Black Forest Labs und veranschaulicht die angekündigten Fähigkeiten.
Bild, Video, Audio und Aktionsvorhersage
Eine gemeinsame Grundlage modelliert, wie Szenen aussehen, sich verändern, klingen und reagieren, damit Motiv und Bildsprache medienübergreifend konsistent bleiben. Das reduziert Übergaben zwischen isolierten Werkzeugen. Die offizielle Seite zeigt Video, Audio und Aktionsvorhersage; Bildgenerierung ist für eine spätere Veröffentlichung angekündigt.
Bis zu 20 Sekunden mit nativem Audio
FLUX 3 Video erstellt Clips bis 20 Sekunden mit optionalem nativem Audio, darunter mehrsprachige Sprache, Effekte und Atmosphäre. Plane Handlung, Dialog, Kamera und Umgebungston auf einer Zeitleiste, damit jeder audiovisuelle Moment dieselbe Szene unterstützt.
Text, Bilder, Keyframes und mehrere Szenen
Veröffentlicht sind Text-zu-Video, Bild-zu-Video, Start- und Endbild, mehrere geordnete Keyframes sowie verschiedene Szenen oder Kamerawinkel. Jede Referenz sollte klar Identität, Komposition, Stil oder Bewegung steuern.
Fortsetzung, Typografie und breite Stilvielfalt
Die Präsentation beschreibt die Fortsetzung ab dem letzten Frame unter Erhalt von Bewegung, Bildaufbau und Szenenlogik. Hervorgehoben werden außerdem Text in der Szene und Stile für Produkt, Marke, Motion Design, Illustration und Experimente.
Ein multimodales Briefing vorbereiten
Plane Bild, Bewegung und Ton in einem Briefing statt in drei getrennten Dokumenten. Entwickle zuerst die kreative Logik — Motividentität, Timing und Audioabsicht — und entscheide dann, welche Modalität jeden Abschnitt trägt und wie sich die Übergänge anfühlen sollen.
Das wichtigste Ergebnis festlegen
Entscheide zwischen Bild, Video mit Ton, verbundener Sequenz oder Aktionsreferenz. Notiere Kanal, Format, Dauer, Markenregeln und Abnahmekriterien, damit das Briefing keine Sammlung unverbundener Wünsche wird.
Eine 20-Sekunden-Struktur bauen
Teile die Idee in Ausgangslage, bedeutsame Veränderung und Ende. Weise jedem Abschnitt Dauer, Handlung, Kamera, Umweltänderung und Übergang zu. Erkläre bei mehreren Szenen den Wechsel und das Element, das Kontinuität schafft.
Jeder Referenz eine Aufgabe geben
Ordne Referenzen nach Identität, Produkt, Kleidung, Ort, Komposition, Licht, Typografie oder Bewegung. Lege fest, welches Asset jede Entscheidung steuert, priorisiere widersprüchliche Quellen, entferne zufällige Stile und prüfe, ob das finale Set eine einheitliche Bildrichtung vermittelt.
Bild und Ton gemeinsam planen
Lege Dialog, Atmosphäre, Effekte, Musik, Kamera und Handlung auf eine Zeitleiste. Markiere, wann Ton ein Bildereignis einleitet, begleitet oder betont, plane Stille bewusst und verknüpfe jedes Audiosignal mit einem sichtbaren Story-Moment.
Praktischer Ablauf für Vorbereitung und Prüfung
Die Bildsprache mit Referenzen festlegen
Baue vor der Bewegung ein stimmiges Referenzset für Identität, Produktproportionen, Palette, Licht, Typografie und Komposition auf. Dokumentiere Rolle und Priorität jedes Assets, entferne widersprüchliche Quellen und behalte nur Material derselben kreativen Richtung.
Das gewählte Bild in einen Shotplan übertragen
Notiere für jede Einstellung Anfangs- und Endzustand, Haupthandlung, Kamerapfad, Audioereignis und Kontinuitätsregel. Bestimme, welches Bild die nächste Einstellung verankert. So entsteht ein prüfbarer Plan für geordnete Keyframes, mehrere Szenen und Fortsetzung.
Immer nur eine Variable prüfen
Prüfe Identität, Raumlogik, Bewegung, Timing, Typografie, Lippensynchronität und Audio getrennt. Notiere die erste fehlerhafte Sekunde und ändere pro Runde nur eine Variable: Prompt, Referenzpriorität, Keyframe-Timing, Kamera oder Ton. Bewahre gelungene Segmente.
Einsatzfelder für ein vereintes Bild- und Tonmodell
Marken- und Produktkampagnen
Plane Bild, Video, Szenentext, Sprache und Ton um dieselbe Produktidentität. Definiere Farbe, Logo, Form, Pflichtaussagen und Schlussbotschaft.
Geschichten mit mehreren Szenen
Verbinde Kontext, Handlung, Orts- oder Winkelwechsel und Ende in 20 Sekunden. Geordnete Keyframes und Kontinuitätsregeln verhindern unverbundene Bilder.
Musik, Dialog und Performance
Koordiniere Bewegung, Kamerarhythmus, mehrsprachige Sprache, Effekte und Atmosphäre mit markierten Beats und Mundbewegungen.
Motion Design und Typografie
Plane Text als Teil der Szene mit Wortlaut, Position, Material, Licht, Ein- und Ausstieg sowie lesbaren Zeitabschnitten.
Storyboard und Previsualisierung
Ordne freigegebene Referenzbilder in einem Einstellungsplan und prüfe vor der Generierung Komposition, Inszenierung, Übergänge, Tonhinweise und Markenvorgaben. Eine klare Vorvisualisierung erleichtert Regie und Bewertung der Kontinuität über mehrere Szenen.
Agenten und Videofortsetzung
Definiere Regeln für Erzeugen, Bewerten und Fortsetzen ab einem guten Endbild: Identität, Richtung, Kamerahöhe, Licht, Umgebung und Audio.
Häufige Fragen zu FLUX 3
FLUX 3 ist das vereinheitlichte Modell von Black Forest Labs für Bild, Video, Audio und Aktionsvorhersage. Die offizielle Seite zeigt Video, natives Audio, zeitliches Verständnis und Aktionsvorhersage; Bildgenerierung wurde für eine spätere Veröffentlichung angekündigt.
Beginne mit dem Ziel und definiere Motividentität, Referenzrollen, Szenenfolge, Timing, Kamera und Audioabsicht. Lege Bild und Ton auf eine Zeitleiste, bestimme bei Konflikten die führende Referenz und schließe mit messbaren Kontinuitäts- und Qualitätskriterien ab.
Ein vereinheitlichtes multimodales Modell verarbeitet Aussehen, Bewegung, Timing, Ton und Handlung im selben kreativen Kontext. So lassen sich dasselbe Motiv und dieselbe Storylogik über Szenen hinweg koordinieren, ohne unverbundene Ergebnisse zwischen Werkzeugen zu übertragen.
FLUX 3 umfasst Bild, Video, Audio und Aktionsvorhersage in einer Modellfamilie. Die offizielle Veröffentlichung zeigt Video, natives Audio und Aktionsvorhersage; Bildgenerierung wurde für eine spätere Veröffentlichung angekündigt.
FLUX 3 Video erstellt Clips bis 20 Sekunden in einer Generierung. Koordiniere Szenenwechsel, Handlung, Kamera, Dialog, Effekte und Atmosphäre über die gesamte Dauer mit einem zeitlich geplanten Einstellungsplan.
Ja. FLUX 3 unterstützt optionales natives Audio mit mehrsprachiger Sprache, Effekten und Atmosphäre, die zusammen mit den Bildern entstehen. Plane Bild- und Tonereignisse auf derselben Zeitleiste, um Anfang, Wechsel und Abschluss jedes Moments zu steuern.
FLUX 3 unterstützt Text, ein Standbild, Start- und Endbild, mehrere geordnete Keyframes, mehrere Szenen oder Kamerawinkel sowie Fortsetzung ab dem letzten Bild eines Clips. Gib jeder Eingabe eine klare Rolle und Priorität, damit sie sich ergänzen.
Nutze ein stimmiges Identitätsset, wiederhole prägende Merkmale und definiere, was über Orte und Winkel hinweg unverändert bleibt. Geordnete Keyframes, Kontinuitätsnotizen und eine klare Hierarchie schützen Identität, Kleidung, Produktgeometrie und Raumlogik.
Prüfe Identität, Komposition, Raumlogik, Bewegung, Timing, Typografie, Lippensynchronität und Audio in getrennten Durchgängen. Markiere die erste Problemstelle, ändere eine Variable und erhalte gelungene Segmente, damit jede Revision nachvollziehbar bleibt.
Nutze einen knappen Master-Prompt, eine stimmige Identitätsreferenz und geordnete Keyframes oder Szenennotizen für Ort, Handlung, Winkel und Übergang. Lege fest, welche Details bleiben oder wechseln, und richte Dialog und Ton an derselben Zeitleiste aus.
Mit FLUX 3 erstellen
Verwandle ein multimodales Briefing in Bilder, Bewegung und natives Audio und verfeinere das Ergebnis anschließend im Kuca-Workspace.