写一个场景或加一张照片，就能拿到 5–20 秒、带对白、音乐和环境声的短片，720p 或 1080p 任选。
FLUX 3 Max 是与 Black Forest Labs 合作打造的 FLUX 3 后训练视频模型。它比 FLUX 3 更贴合提示词、画面更清晰；在公开基准测试中，渲染一段 10 秒 720p 短片只需约 12 秒模型时间，快了大约十倍。可以从文字开始，也可以从一张照片开始，还能选加一张尾帧。
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."
同属 FLUX 3 家族，经过后训练：更贴提示词、画面更好、等待短得多。
FLUX 3 Max 以 Black Forest Labs 的 FLUX 3 视频模型为基础，经后训练后更贴合你的提示词、画面更干净，运行速度也快得多。它保留了 FLUX 3 的招牌——电影感运动与同步音频——并专注于大多数短片最需要的两件事：文生视频和图生视频。把对白和声音写进提示词，它们会和画面一起生成。可选 720p 或 1080p、5 到 20 秒，画面比例从竖屏 9:16 到电影感 21:9。
为什么选 FLUX 3 Max
第一次生成就能感受到的四点。
在公开基准测试中，FLUX 3 Max 渲染一段 10 秒 720p 短片约需 12 秒模型时间，FLUX 3 则要两分钟左右。排队和下载会再多花一点时间，但这个差距足以改变你的工作方式：试一句，看一遍，改一改，趁想法还新鲜马上再跑。
把台词放进引号，写明谁来说，再描述现场氛围声或配乐。FLUX 3 Max 会把人声、环境声和画面一起渲染，说话的场景一出来，音频就已经对好。只需要画面时，在设置里关掉音频即可。
图生视频把你的照片作为首帧，保留它的观感、构图和画幅。需要镜头落在特定画面时——产品亮相、一个姿势、一张 Logo 卡——再加第二张图作为尾帧。提示词负责描述镜头如何从首帧走到尾帧。
Reels 和 Shorts 选 9:16，信息流选 1:1 或 4:3，宽屏选 16:9 或 21:9。每段 5 到 20 秒；草稿和大多数社媒帖子用 720p，要留下的成片用 1080p。只按你要的秒数计费。
选哪个 FLUX 3
每秒积分相同，按镜头需要来选。
| 10 秒短片耗时 | 约 12 秒模型时间 | 约 2 分钟模型时间 |
|---|---|---|
| 起点 | 文字，或 1 张照片 + 可选尾帧 | 文字，或 1–10 张照片做分镜 |
| 编辑已有短片 | 不支持 | 支持，用 FLUX 3 Video Edit |
| 音频 | 原生音频，默认开启 | 原生音频，默认开启 |
| 时长与分辨率 | 5–20s，720p 或 1080p | 5–20s，720p 或 1080p |
| 每秒积分 | 720p 35，1080p 60 | 720p 35，1080p 60 |
从一句话或一张照片，到一段带声音的成片。
写一个连贯的场景：谁在画面里、发生了什么、镜头怎么动、能听到什么。台词放进引号。
做图生视频时，上传作为开场的照片。如果镜头必须停在某个特定画面，再加一张尾帧。
选 5 到 20 秒、720p 或 1080p，以及画面比例。开始前，生成器会显示要花多少积分。
在资料库里看片，微调提示词再跑一次。把满意的那一条连同音频一起下载。
适合谁
速度和忠于提示词，比什么都重要的那些活。
在一条提示词里写好场景、广告语和旁白台词，拿到一支人声已经同步好的短广告。
为 Reels、Shorts 和 TikTok 生成 9:16 短片，速度快到坐下来一次就能测好几个开场钩子。
用首帧和尾帧，从产品包装图开场、停在 Logo 卡上，每一条都稳稳落在品牌画面。
几秒内把剧本节拍变成动态镜头，团队在正式开拍前就能对齐机位和节奏。
把一张角色静图做成短场景：一句台词、一个反应，再配上相应的现场声。
用自然的运动和环境声填满时间线——野生动物、天气、城市街道——720p 或 1080p 都行。
跳到完整视频中心、编辑已有短片，或先做一张静图。
FLUX 3 Max 是 Black Forest Labs 的 FLUX 3 视频模型的后训练版本。和 FLUX 3 相比，它更贴合提示词、画面更清晰、渲染快得多，能从文字或照片生成带同步音频的视频。
FLUX 3 Max 快了大约十倍——一段 10 秒短片约需 12 秒模型时间，FLUX 3 约要两分钟——并且在公开的图生视频质量测试中排名高于 FLUX 3。不过 FLUX 3 仍能做 Max 做不了的事：最多用十张照片做分镜，以及用 FLUX 3 Video Edit 编辑已有短片。
模型本身生成一段 10 秒 720p 短片约需 12 秒。此外还有短暂排队，以及把成片保存到资料库的时间，所以总等待会比模型时间略长。更长的短片和 1080p 短片耗时更久。
能。音频默认开启：在提示词里描述对白、音乐和环境声，它们会与画面同步生成。台词放进引号，并写明是谁说的。也可以在设置里关闭音频。
可以，在图生视频里设置。你上传的照片会成为首帧；再加第二张图作为尾帧，FLUX 3 Max 会按你的提示词，让镜头从首帧过渡到尾帧。
5 到 20 秒，720p 或 1080p。画面比例从竖屏 9:16、3:4，到 1:1、4:3，再到 16:9、2:1 和 21:9。图生视频的画幅跟随你的照片。
FLUX 3 Max 在 720p 下每秒 35 积分，1080p 下每秒 60 积分，与 FLUX 3 相同。一段 5 秒 720p 短片需要 175 积分。开始前，生成器会显示准确费用。
