寫一個場景或加一張照片，就能拿到 5–20 秒、帶對白、音樂與環境音的短片，720p 或 1080p 任你選。
FLUX 3 Max 是與 Black Forest Labs 合作打造、經過後訓練的 FLUX 3 影片模型。它比 FLUX 3 更貼近提示詞、畫面更銳利；在公開的基準測試中，渲染一段 10 秒 720p 短片只要約 12 秒模型時間，快了大約十倍。可以從文字開始，也可以從一張照片開始，還能選配一張尾幀。
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."
同一個 FLUX 3 家族，經過後訓練：更貼提示詞、畫面更好、等待短得多。
FLUX 3 Max 以 Black Forest Labs 的 FLUX 3 影片模型為基礎，經過後訓練，更貼近你的提示詞、畫面更乾淨，跑起來也快得多。它保留了 FLUX 3 的招牌——電影感動態與同步音訊——並專注在多數短片最需要的兩件事：文生影片與圖生影片。把對白和聲音寫進提示詞，就會跟著畫面一起生成。可選 720p 或 1080p、5 到 20 秒，畫面比例從直式 9:16 到電影感 21:9。
為什麼選 FLUX 3 Max
第一次生成就感覺得到的四件事。
在公開的基準測試中，FLUX 3 Max 渲染一段 10 秒 720p 短片約需 12 秒模型時間，FLUX 3 則要兩分鐘左右。排隊與下載會再多一點時間，但這個差距大到足以改變你的做法：試一句、看一遍、改一改，趁想法還熱就再跑一次。
把台詞放進引號、寫明誰來說，再描述現場氛圍音或配樂。FLUX 3 Max 會把人聲、環境音與畫面一起渲染出來，說話的場景一出來，音訊就已經對好。只需要畫面時，到設定裡關掉音訊即可。
圖生影片會把你的照片當作首幀，保留它的視覺、構圖與畫幅。需要鏡頭落在特定畫面時——產品揭曉、一個姿勢、一張 Logo 卡——再加第二張圖當尾幀。提示詞負責描述鏡頭如何從首幀走到尾幀。
Reels 和 Shorts 選 9:16，動態牆選 1:1 或 4:3，寬螢幕選 16:9 或 21:9。每段 5 到 20 秒；草稿與多數社群貼文用 720p，要留下來的成片用 1080p。只為你要的秒數付費。
該選哪個 FLUX 3
每秒積分一樣，看鏡頭需要什麼來選。
| 10 秒短片所需時間 | 約 12 秒模型時間 | 約 2 分鐘模型時間 |
|---|---|---|
| 起點 | 文字，或 1 張照片＋可選尾幀 | 文字，或 1–10 張照片做分鏡 |
| 編輯既有短片 | 不支援 | 支援，用 FLUX 3 Video Edit |
| 音訊 | 原生音訊，預設開啟 | 原生音訊，預設開啟 |
| 時長與解析度 | 5–20s，720p 或 1080p | 5–20s，720p 或 1080p |
| 每秒積分 | 720p 35，1080p 60 | 720p 35，1080p 60 |
從一句話或一張照片，到一段有聲音的成片。
寫一個連續的場景：誰在畫面裡、發生什麼事、鏡頭怎麼動、聽得到什麼。台詞放進引號。
做圖生影片時，上傳用來開場的照片。如果鏡頭一定要停在某個畫面，再加一張尾幀。
選 5 到 20 秒、720p 或 1080p，以及畫面比例。開始前，生成器會先顯示要花多少積分。
到媒體庫觀看短片，微調提示詞再跑一次。把喜歡的那一條連同音訊一起下載。
適合誰
速度與忠於提示詞，比什麼都重要的工作。
在一條提示詞裡寫好場景、標語和旁白台詞，拿到一支人聲已經同步的短廣告。
為 Reels、Shorts 和 TikTok 生成 9:16 短片，快到坐下來一次就能測好幾個開場鉤子。
用首幀與尾幀，從產品包裝照開場、停在 Logo 卡上，每一條都穩穩落在品牌畫面。
幾秒內把劇本節拍變成會動的鏡頭，團隊在正式開拍前就能先對好運鏡與節奏。
把一張角色靜圖變成短場景：一句台詞、一個反應，再配上相符的現場音。
用自然的動態與環境音填滿時間軸——野生動物、天氣、城市街景——720p 或 1080p 都可以。
前往完整影片中心、編輯既有短片，或先做一張靜圖。
FLUX 3 Max 是 Black Forest Labs 的 FLUX 3 影片模型的後訓練版本。和 FLUX 3 相比，它更貼近提示詞、畫面更銳利、渲染快很多，能從文字或照片生成帶同步音訊的影片。
FLUX 3 Max 快了大約十倍——一段 10 秒短片約需 12 秒模型時間，FLUX 3 約要兩分鐘——而且在公開的圖生影片品質測試中排名高於 FLUX 3。不過 FLUX 3 仍能做 Max 做不到的事：最多用十張照片做分鏡，以及用 FLUX 3 Video Edit 編輯既有短片。
模型本身渲染一段 10 秒 720p 短片約需 12 秒。另外還有短暫排隊，以及把成片存進媒體庫的時間，所以總等待會比模型時間稍長。更長的短片與 1080p 短片需要更久。
會。音訊預設開啟：在提示詞裡描述對白、音樂與環境音，就會和畫面同步生成。台詞放進引號，並寫明是誰說的。也可以到設定裡關閉音訊。
可以，在圖生影片中設定。你上傳的照片會成為首幀；再加第二張圖當尾幀，FLUX 3 Max 會依照你的提示詞，讓鏡頭從首幀過渡到尾幀。
5 到 20 秒，720p 或 1080p。畫面比例從直式 9:16、3:4，到 1:1、4:3，再到 16:9、2:1 與 21:9。圖生影片的畫幅會跟著你的照片。
FLUX 3 Max 在 720p 每秒 35 積分，1080p 每秒 60 積分，與 FLUX 3 相同。一段 5 秒 720p 短片需要 175 積分。開始前，生成器會顯示確切費用。
