FLUX 3 Video · 關鍵幀排在時間軸上，聲音一併生成
Black Forest Labs——做出 FLUX 影像模型的那支團隊——做了一個影片模型。在 OVOV 上，它渲染 5 到 20 秒、HD 或 FHD 的片段，自己寫好同步的音軌，還讓你沿時間軸釘下最多十張關鍵幀，而不是只能將就一個首幀加一個尾幀。
OVOV AI 影片範例
來自我們影片模型的真實生成——Veo 3.1、Kling 與 Seedance。游標懸停任一片段即可播放，點擊喇叭圖示聆聽音訊。
懸停播放 · 點擊喇叭取消靜音
OVOV AI 影片範例
來自我們影片模型的真實生成——Veo 3.1、Kling 與 Seedance。游標懸停任一片段即可播放，點擊喇叭圖示聆聽音訊。
外星奇幻世界
奢華香水廣告
產品發布會宣傳片
馬爾代夫旅遊廣告
東方武俠頂峰對決
好萊塢賽車電影鏡頭
飛船駛向深藍宇宙
金毛小狗追蝴蝶
壽司師傅精心製作
紅裙女子懸崖漫步
深夜高手對決
手持自拍 Vlog
爆汁美食特寫
街舞高速動作
奢華口紅廣告
FLUX 3 Video 為什麼值得一看
最多十張有序關鍵幀、一檔完整的 FHD、二十秒的長度空間，以及在同一次生成裡寫好的音軌——出自做過 FLUX 影像模型的那支團隊。
有序關鍵幀，最多十張
上傳一張圖，它就是起始幀。上傳兩張，它們就是首幀與尾幀。最多可以上傳十張，多出來的幀會沿時間軸平均分布——你編排的是整支片子，而不只是它的頭尾。
原生音訊，預設開啟
FLUX 3 Video 在渲染畫面的同時就寫好環境音、音效與貼合動作的聲音，與螢幕上發生的事同步。如果你打算自己配樂，也可以把音訊關掉——但兩種情況價格一樣。
HD 與 FHD 輸出
兩檔解析度：HD 約 1280×704，FHD 約 1920×1088。先用 HD 把想法打成草稿，等提示詞與關鍵幀都定下來，再花 FHD 的點數。
5 到 20 秒
四檔固定長度：5、10、15 或 20 秒。我們多數影片模型的上限是 15 秒，所以這裡最高的一檔留了餘裕——鋪陳、轉折與收尾可以裝進一次生成。
七種比例，其中兩種超寬
16:9、9:16、1:1、4:3、3:4，再加上適合電影感開場與遮幅字卡的 21:9 與 2:1。生成前先定好畫幅——構圖是按你選的比例規劃的。
出自 FLUX 團隊
OVOV 上已經在跑的 FLUX 影像模型，正是 Black Forest Labs 做的。FLUX 3 Video 是同一個實驗室轉向動態影像，所以在他們的靜態圖上管用的提示詞習慣，這裡同樣成立。
從提示詞或關鍵幀到成片
把鏡頭寫出來，也可以順手釘上它必須經過的幀，FLUX 3 Video 會把畫面與聲音一起渲染出來——事後沒有任何需要拼接的東西。
寫好鏡頭，或釘住幀
可以只從一段提示詞開始，也可以按出現順序上傳 1 到 10 張關鍵幀圖像。然後選擇長度（5、10、15 或 20 秒）、比例與 HD 或 FHD。
FLUX 3 Video 同步渲染畫面與聲音
模型會先規劃整段長度內的運動、光影與節奏——如果你給了關鍵幀，就依序一一經過它們——再渲染出影片與相配的音軌。
下載即用
拿到自帶音訊的成片——無浮水印，附商用授權。若生成失敗或被內容審核拒絕，點數會立刻全額退回。
FLUX 3 Video 適合做什麼
有序關鍵幀、FHD 檔位與兩種超寬比例，涵蓋的是那類必須在特定時刻落到特定畫面上的活——而且成片還得有聲音。
踩得準點的分鏡
當片子必須經過你手上已有的畫面——一個 logo、一個產品狀態、一個角色姿勢——就依序把它們釘成關鍵幀，讓模型去補中間的運動。
- 最多十張關鍵幀，沿時間軸平均分布
- 兩張圖就是經典的首幀到尾幀運動
- 二十秒的長度，夠裝下一段多段落的序列
FHD 廣告與超寬開場
約 1920×1088 的品牌廣告，或者一段讀起來像電影而不像動態消息的 21:9 片頭。聲音隨片附帶，拿給別人看之前不必再補一輪配樂。
- FHD 輸出，適合前置廣告、著陸頁與客戶交付
- 21:9 與 2:1 適合電影感開場與遮幅字卡
- 環境音與音效與畫面一同生成
直式社群短影音
TikTok、Reels 與 Shorts 的 9:16 或 3:4，從五秒鉤子到二十秒故事，用原生音訊而不是授權音樂墊底。
- 9:16 與 3:4 直式，或用 1:1 發方形貼文
- 用 HD 打草稿，真正要發的那一版用 FHD
- 首幀可以釘上你自己的產品照
氛圍與地方感
海岸公路、雨打窗戶、正在甦醒的市場——這些鏡頭需要時間呼吸，還需要風聲、水聲與街聲把這個地方坐實。
- 二十秒，夠慢慢漂移的運鏡跑完
- 環境音與畫面一同渲染
- FHD 適合頁面頂部的主視覺影片
FLUX 3 Video 提示詞寫作指南
模型會把你的提示詞和關鍵幀放在一起讀。下面這些習慣，能讓兩者朝同一個方向使力，而不是互相打架。
釘住關鍵的幀，描述幀與幀之間的運動
先想清楚你要鎖死多少
只給文字，整個場景都留給模型去發揮。給了關鍵幀，這份自由就一張圖一張圖被收走。兩者沒有優劣，只是需要的提示詞不一樣。
- •純文字：從零描述場景、主體、運鏡與聲音
- •帶關鍵幀：描述幀與幀之間的運動，而不是幀本身
- •提示詞翻車往往出在兩邊打架——關鍵幀裡是藍夾克，就別在提示詞裡寫紅夾克
範例
"With two keyframes (closed box, open box): "hands lift the flaps in one smooth motion, soft window light, cardboard scrape and a soft thud"."
關鍵幀的順序要刻意安排
數量和內容一樣重要。一張圖是起點。兩張圖是一段旅程的兩端。再多就是一張模型必須遵守的時間表，沿你選定的長度平均排開。
- •一張圖：片子從這裡開始，往提示詞說的方向走
- •兩張圖：首幀與尾幀，中間的運動由模型渲染
- •三到十張：中間的幀會落在時間軸的等間隔位置上
- •按它們該出現的順序上傳——這個序列就是分鏡
範例
"四張關鍵幀鋪在 20 秒裡，大約落在 0s、6.7s、13.3s 和 20s——所以要挑那些相隔五到七秒仍然說得通的畫面。"
為選定的長度規劃敘事弧線
二十秒，用一個想法撐滿是很長的。按發生順序把推進過程寫清楚，模型才有東西去填這段長度。
- •先交代場景，再帶入主體，然後才是運動
- •點明隨時間變化的東西：光線、天氣、距離、速度
- •五秒和十秒適合一個連貫動作；十五秒和二十秒需要中間有個轉折
範例
"The room starts dim and empty, morning light climbs the far wall, dust drifts through the beam, and the camera settles on a cup of coffee going cold."
把聲音也寫出來，不只是畫面
音訊預設會生成，而且與動作同步，所以你沒寫的部分會被模型自行發揮。一兩句聲音方向的描述，通常就足以讓它不走偏。
- •點明環境音：雨打玻璃、遠處車流、房間底噪
- •點明與動作相配的聲音：腳步、引擎、風聲
- •要求安靜也是有效的指示——想要稀疏就直說
- •音訊可以關掉，但關掉並不會減少點數消耗
範例
"Sound: steady rain on a tin roof, a low roll of thunder in the distance, no music."
把讚美詞換成視覺事實
「驚豔」「史詩」「電影感」什麼都沒告訴模型。材質、顏色、光線方向與有力的動詞才有用——這和 FLUX 影像模型上管用的是同一套紀律。
- •避免：驚豔、史詩、震撼、絕美、鉅作
- •用有力度的動詞：砸下、漂移、點燃、抽打
- •點明光源與一天中的時間
範例
"Avoid: "a stunning epic mountain shot". Prefer: "granite ridges under low side light, snow spilling off the crest in a thin plume"."
提前定好長度、比例與解析度
FLUX 3 Video 提供 5、10、15 和 20 秒、七種比例與兩檔解析度。生成前就定下來，既省點數又不會構圖出錯。
- •橫式用 16:9 和 4:3，直式用 9:16 和 3:4，動態貼文用 1:1
- •想讓鏡頭讀起來像電影，就用 21:9 和 2:1
- •用 HD 打草稿（每秒 11 點數），用 FHD 出成片（19 點數）
- •長度固定為 5、10、15 或 20 秒——把分鏡湊到其中一檔
範例
"A 10-second 21:9 opener: headlights sweeping across a wet runway at dusk, low camera, tyre spray catching the light."