Revisão do FLUX 3 Video: Poder Multimodal, Clipes de 20 Segundos e Limitações Honradas

Visão Geral de IA

O que é o FLUX 3 Video e quem o desenvolveu?

O FLUX 3 Video é o modelo multimodal unificado dos Black Forest Labs para vídeo, áudio, imagens e ações. Anunciado em julho de 2026, seu lançamento em vídeo gera clipes de texto para vídeo e de imagem para vídeo com até 20 segundos, incluindo áudio nativo.

Qual é a qualidade do FLUX 3 Video comparada a outros modelos?

O FLUX 3 destaca-se especialmente em tipografia animada, estilos visuais amplos, diálogos e cenas simples com aparência natural. O MiniMax H3 continua sendo a opção mais segura para entrega hospedada em 2K, física complexa e consistência de objetos em longo prazo.

Quanto custa o FLUX 3 Video?

A precificação da API para parceiros é de aproximadamente $0,17 por segundo, ou cerca de $1,70 para 10 segundos. Os Black Forest Labs não listam uma taxa pública simples por segundo; portanto, verifique o preço ativo do provedor antes de executar um lote.

Posso executar o FLUX 3 Video localmente no ComfyUI?

Ainda não há pesos oficiais disponíveis para download por consumidores. Fluxos de trabalho hospedados via API podem aparecer no ComfyUI ou no Comfy Cloud, mas a auto-hospedagem local depende do lançamento planejado do FLUX 3 Dev com pesos abertos, cuja data ainda não foi confirmada.

O que o FLUX 3 Video Realmente É — Um Modelo para Tudo

O FLUX 3 não é um ponto de verificação exclusivamente voltado para vídeo, com ferramentas separadas para fala e som adicionadas posteriormente. Trata-se de um modelo fundacional multimodal treinado simultaneamente em imagens, vídeos, áudio e ações, dentro de uma única arquitetura. A abordagem Self-Flow alinha essas modalidades, de modo que um impacto gerado possa influenciar o som, uma linha falada possa moldar o movimento labial e uma referência visual possa orientar quadros posteriores do vídeo.

Esse projeto é a principal vantagem do produto. Um criador pode alternar entre texto, uma imagem inicial, quadros-chave, filmagens existentes, diálogos e ambiência, sem tratar cada ativo como uma tarefa isolada. A contrapartida é igualmente importante: uma base ampla não supera automaticamente um modelo especializado em vídeo em todos os testes de movimento, resolução ou consistência.

O quadro oficial gerado acima ilustra melhor o alcance visual do FLUX 3: uma figura solitária com um casaco vermelho brilhante está dentro de uma lavanderia verde-fluorescente. O sujeito centralizado, as máquinas circulares repetidas e o forte contraste de cores complementares criam um gancho gráfico imediato, mantendo a cena legível.

O que o FLUX 3 Video Pode Fazer — Recursos e Especificações

A versão atual de geração inclui um conjunto de controles mais amplo do que o básico texto-para-vídeo:

• Até 20 segundos: uma única geração pode conter um trecho completo de diálogo ou uma cena curta de anúncio, em vez de interromper após cinco ou dez segundos.
• Áudio nativo: diálogos, efeitos e ambiência são gerados junto com os quadros, em vez de serem adicionados posteriormente como uma etapa separada de narração.
• Entradas de texto, imagem e quadros-chave: inicie a partir de um prompt, anime uma imagem inicial, defina uma imagem final ou conecte múltiplos quadros-chave.
• Continuação de vídeo: forneça até quatro segundos de vídeo e áudio existentes, e o modelo continuará o movimento, o comportamento da câmera, o diálogo e o som através da junção.
• Múltiplas tomadas: alterne cenas ou ângulos de câmera dentro de uma única geração, mantendo a sequência relacionada.
• Tipografia: renderize títulos, placas, gráficos de tela e letras animadas como parte da cena.
• Variedade de estilos: transite entre filmagens casuais com câmera de vídeo, animação, publicidade, nostalgia ou cinema polido.
• Resolução: a geração é oferecida em HD, com saída em Full HD disponível por meio de upscale; 1080p não deve ser confundido com renderização nativa em 2K.

Uma saída oficial do FLUX 3 mostrando três quadros-chave fornecidos conectados em uma sequência de dez segundos. A linha do tempo torna o método de controle mais fácil de entender do que um quadro final isolado.

Saída oficial do FLUX 3 · tipografia animada com áudio nativo

O exemplo de tipografia é um clipe gerado de fato, não uma maquete projetada. Para testar um conceito comparável antes de escolher um modelo de produção, comece com o fluxo de trabalho de texto para vídeo da Seedance e use o mesmo briefing, duração e proporção de aspecto.

Qualidade no Mundo Real — Onde o FLUX 3 Se Destaca e Onde Apresenta Limitações

A principal vantagem do FLUX 3 é o conteúdo gráfico em movimento. Texto em terminais, cartões de título, placas e tipografia projetada permanecem mais intencionais do que as marcas distorcidas produzidas por muitos modelos de vídeo. Ele também transita confortavelmente entre estilos casuais, retrô, animados e comerciais. Cenas de diálogo se beneficiam do modelo compartilhado de áudio e vídeo: fala, expressões e som ambiente são planejados em conjunto.

Saída oficial do FLUX 3 · cena de diálogo de 20 segundos com áudio nativo