Notes visuelles sur le langage de caméra de FLUX 3 Max : démonstration image-vers-vidéo du push-in, du pan, du tracking et du crane

En partant d'une même image fixe de scène comme point de départ, les capacités image-vers-vidéo de FLUX 3 Max démontrent une à une quatre mouvements de caméra de base : le push-in, le pan, le tracking et le crane up. Chaque séquence ne modifie que la description du langage de caméra, la première image conservant le même point d'ancrage spatial, afin que les développeurs puissent comparer la variable « comment le prompt pilote le mouvement de caméra ». L'œuvre est réellement générée par le circuit de l'auteur : image_url sert d'image de référence pour la première image, prompt décrit le mouvement de caméra et l'ambiance, duration est fixé à 5 secondes pour maîtriser le coût d'itération, resolution 720p et aspect_ratio 16:9 s'alignent sur la composition de la première image, et reasoning_level utilise high afin de préserver la cohérence spatiale sous des descriptions de mouvements complexes. Cas d'usage : prévisualisation de storyboard, validation de brouillons vidéo, alignement interne des équipes sur la terminologie des mouvements de caméra, et évaluation du degré de respect des instructions de caméra par un modèle image-vers-vidéo. Les informations publiques indiquent que ce modèle est optimisé pour l'inférence à faible latence, ce qui convient à ce type d'expérimentation de langage de caméra nécessitant plusieurs prises d'essai.