シーンを書くか写真を追加するだけ。セリフ・音楽・環境音入りの 5〜20 秒クリップが、720p または 1080p で仕上がります。
FLUX 3 Max は、Black Forest Labs と共同で開発された、FLUX 3 をポストトレーニングした動画モデルです。FLUX 3 よりプロンプトに忠実で、映像もシャープ。公開ベンチマークでは 10 秒の 720p クリップを約 12 秒のモデル処理時間でレンダリングし、およそ 10 倍の速さです。テキストから始めても、写真から始めても OK。写真には任意で最終フレームも追加できます。
Continuous single shot, very slow push-in toward the rider's boots. The young bull rider sits still on the bucket, head bowed, breathing slowly. He lifts his head slightly and looks down at his worn leather boots. A faint, tired smile. Warm golden backlight, gentle lens flare, 1980s commercial look, 35mm film grain. Rider (quietly): "Lost my hat. Lost my pride. Kept my boots."
Continuous single shot, very slow push-in toward the rider's boots. The young bull rider sits still on the bucket, head bowed, breathing slowly. He lifts his head slightly and looks down at his worn leather boots. A faint, tired smile. Warm golden backlight, gentle lens flare, 1980s commercial look, 35mm film grain. Rider (quietly): "Lost my hat. Lost my pride. Kept my boots."
同じ FLUX 3 ファミリーを、プロンプトへの忠実さ、見た目、待ち時間の短さのためにポストトレーニングしたモデルです。
FLUX 3 Max は Black Forest Labs の FLUX 3 動画モデルをベースに、プロンプトへより忠実に、よりクリーンなフレームを描けるようポストトレーニングされ、しかもずっと速く動きます。FLUX 3 の持ち味であるシネマティックな動きと同期した音声はそのまま。多くのクリップに必要な 2 つの用途、テキストから動画と画像から動画に絞っています。セリフや音をプロンプトに書けば、映像と一緒に返ってきます。720p または 1080p、5〜20 秒、アスペクト比は縦長の 9:16 からシネマティックな 21:9 まで選べます。
FLUX 3 Max を選ぶ理由
最初の 1 本で実感できる 4 つのこと。
公開ベンチマークでは、FLUX 3 Max は 10 秒の 720p クリップを約 12 秒のモデル処理時間でレンダリングします。FLUX 3 ではおよそ 2 分かかります。キュー待ちとダウンロードの時間が少し加わりますが、この差は作り方そのものを変えるほど大きいものです。1 行試して、見て、書き直して、アイデアが新鮮なうちにもう一度実行できます。
話すセリフを引用符で囲み、誰が話すかを書き、部屋の空気感や音楽を描写します。FLUX 3 Max は声・環境音・映像をまとめてレンダリングするので、会話シーンは最初から音声が同期した状態で届きます。映像だけ必要なときは、設定で音声をオフにできます。
画像から動画では、写真を最初のフレームとして使い、そのルック・構図・画面の形を保ちます。商品のお披露目、ポーズ、ロゴカードなど、決まった画でショットを着地させたいときは、2 枚目の画像を最終フレームとして追加。2 つのあいだをショットがどう動くかは、プロンプトで指定します。
Reels や Shorts には 9:16、フィードには 1:1 や 4:3、ワイドスクリーンには 16:9 や 21:9。クリップは 5〜20 秒で、下書きや多くの SNS 投稿には 720p、残したい本番カットには 1080p。料金は指定した秒数の分だけです。
どの FLUX 3 を選ぶか
秒あたりのクレジットは同じ。ショットに必要なもので選びましょう。
| 10 秒クリップの所要時間 | モデル処理 約 12 秒 | モデル処理 約 2 分 |
|---|---|---|
| 開始素材 | テキスト、または写真 1 枚＋任意の最終フレーム | テキスト、またはストーリーボード用の写真 1〜10 枚 |
| 既存クリップの編集 | 不可 | 可（FLUX 3 Video Edit） |
| 音声 | ネイティブ、初期設定でオン | ネイティブ、初期設定でオン |
| 長さと解像度 | 5〜20s、720p または 1080p | 5〜20s、720p または 1080p |
| 秒あたりのクレジット | 720p で 35、1080p で 60 | 720p で 35、1080p で 60 |
一文や一枚の写真から、音声付きの完成クリップまで。
ひと続きのシーンを書きます。誰がいて、何が起き、カメラがどう動き、何が聞こえるか。話すセリフは引用符で囲みます。
画像から動画では、クリップの冒頭になる写真をアップロードします。決まった画でショットを終えたいときは、最終フレームも追加します。
5〜20 秒、720p または 1080p、アスペクト比を選びます。開始前にジェネレーターが必要なクレジットを表示します。
ライブラリでクリップを見て、プロンプトを調整してもう一度実行。気に入ったテイクは音声付きでダウンロードできます。
こんな方に
何よりもスピードとプロンプトへの忠実さが大事な仕事に。
シーン、キャッチコピー、ナレーターのセリフを 1 つのプロンプトに書けば、声がすでに同期した短い CM ができあがります。
Reels、Shorts、TikTok 向けの 9:16 クリップを、1 回の作業で複数のフックを試せるほど速く生成できます。
開始フレームと最終フレームで、パックショットから始めてロゴカードで終える。どのテイクもきちんとブランドに着地します。
脚本のビートを数秒で動くショットに。本番の撮影前に、チームでカメラワークとテンポをすり合わせられます。
キャラクターの静止画を、セリフ、リアクション、それに合う室内音のある短いシーンに動かします。
野生動物、天気、街の通りなど、自然な動きと環境音でタイムラインを埋めましょう。720p でも 1080p でも作れます。
動画ハブ全体へ移動する、既存クリップを編集する、先に静止画を作る。
FLUX 3 Max は、Black Forest Labs の FLUX 3 動画モデルをポストトレーニングしたバージョンです。FLUX 3 よりプロンプトに忠実で、映像がシャープで、レンダリングもずっと速く、テキストや写真から同期した音声付きの動画を作れます。
FLUX 3 Max はおよそ 10 倍速く、10 秒のクリップがモデル処理時間で約 12 秒（FLUX 3 は約 2 分）です。公開されている画像から動画の品質テストでも FLUX 3 より上位にランクされています。一方、Max にできない用途は今も FLUX 3 が担います。写真最大 10 枚のストーリーボードと、FLUX 3 Video Edit による既存クリップの編集です。
モデル自体は 10 秒の 720p クリップに約 12 秒かかります。これに短いキュー待ちと、完成ファイルをライブラリに保存する時間が加わるため、全体の待ち時間はモデル処理時間より少し長くなります。長いクリップや 1080p のクリップはさらに時間がかかります。
はい。音声は初期設定でオンです。プロンプトにセリフ・音楽・環境音を書けば、映像と同期して返ってきます。話すセリフは引用符で囲み、誰が話すかを書いてください。音声は設定でオフにもできます。
はい、画像から動画で指定できます。アップロードした写真が最初のフレームになり、2 枚目の画像を最終フレームとして追加すると、FLUX 3 Max がプロンプトに沿ってショットを一方からもう一方へ動かします。
5〜20 秒、720p または 1080p です。アスペクト比は縦長の 9:16 や 3:4 から、1:1、4:3、さらに 16:9、2:1、21:9 まで。画像から動画では、フレームは写真に合わせられます。
FLUX 3 Max は 720p で秒あたり 35 クレジット、1080p で 60 クレジットで、FLUX 3 と同じです。5 秒の 720p クリップなら 175 クレジット。正確なコストは開始前にジェネレーターに表示されます。
