FLUX 3 Video

位置づけの概要

FLUX 3 Video は Black Forest Labs が発表した動画生成モデルで、画像・動画・音声・モーションを統合して学習した統一マルチモーダルアーキテクチャを採用しています。テキストからの動画生成、画像からの動画生成、動画の続き生成という3種類のタスクに対応し、映像にマッチしたネイティブ音声も同時に生成します。開発者は HiAPI.ai の統一インターフェース経由で呼び出し、5～20秒、720p または 1080p のクリップを出力できます。音声付きの商業素材を素早く制作したい広告・ショート動画チームや、ショットの延長やキーフレーム制御によるプリビズを行う映像前期のクリエイターに適しています。

主な特長

• 3種類の動画タスクが同一パラメータを共有——同じモデルがテキスト生成・画像生成・動画続き生成を同時にカバーし、タスクを切り替えても接続方法の変更やワークフローの再構築が不要です。
• 映像とネイティブ音声を同時生成——デフォルトで映像に合わせて環境音、セリフ、効果音を生成するため、個別の吹き込みや同期作業を省けます。オフにすれば無音クリップも得られます。
• 複数画像で絵コンテやキーフレームを構成——1枚で最初のフレーム、2枚で最初と最後のフレーム、3～10枚で均等なタイムライン上のストーリーボードを構成でき、ショットのリズムを制御しやすくなります。
• ドラフトモードで低コスト試作——ドラフトを有効にすると、より高速かつ低コストで720pのプレビューを出力でき、本番確定前にプロンプトと構図を検証できます。

機能説明

テキストからの動画生成：テキストプロンプトのみで完全なクリップを生成します。プロンプトは解析・拡張されたうえで生成に用いられ、参照素材なしでゼロからショットを構築するのに適しています。

画像からの動画生成とキーフレーム制御：1～10枚の画像をアップロードして動きを駆動します。1枚で最初のフレーム、2枚で最初と最後のフレーム、複数枚で均等なタイムライン上のストーリーボードを構成し、ショットの開始・終了とリズムを精密に制御できます。

動画の続き生成：最長15秒、50 MB以内のMP4を入力し、末尾のフレームから続きを生成します。既存クリップの延長やショットのリレーに用います。このパラメータは画像入力とは排他的です。

長さと解像度を制御可能：クリップの長さは5～20秒、解像度は720pまたは1080pを選択でき、アスペクト比は21:9から9:16までの8種類のプリセットとauto自動選択に対応します。

ネイティブ音声生成：デフォルトで映像に同期した環境音、セリフ、効果音を生成します。オフにすると無音クリップが出力され、後工程で個別に音楽や吹き込みを付けられます。

適用シーン

• 広告・ブランドチーム：1枚の製品画像からプロモーションクリップを生成——製品画像をアップロードしカメラワークを記述して、環境音付きの5～20秒の素材を制作し、SNS配信や公式サイトのファーストビューにそのまま活用できます。
• 映像前期のクリエイター：キーフレームによるショットのプリビズ——2～10枚の絵コンテ画像でリズムを固定し、動きのあるプリビズクリップを制作して、監督や撮影がカメラワークとカットポイントを確認できます。
• ショート動画運営：既存素材の続き生成によるショット拡張——15秒以内のMP4を入力して末尾から続きを生成し、より長い完成カットを制作して撮り直しや追加撮影を減らせます。
• 多言語マーケティング：リップシンク同期のローカライズ素材——プロンプトで言語とセリフを指定し、音声と映像が同期したローカライズ短編を制作して、地域別バージョンの配信に活用できます。

制限と選定のアドバイス

1回の生成の長さは最大20秒で、それより長い内容は分割生成して動画の続き生成でつなぐ必要があります。出力秒数に応じた課金のため、長いクリップや繰り返しの再生成はコストを押し上げます。ネイティブ音声は映像と同時に生成されるため、音声トラックを独立して後から調整する余地は限られており、精细なミックスが必要な場合は音声をオフにして別途制作することをお勧めします。画像入力と動画の続き生成のパラメータは排他的で、同一リクエスト内で併用できません。ドラフトモードは720p限定です。20秒を超える連続ショットやフレーム単位の精密な音声制御が必要なタスクでは、分割・結合の方法や他の専用ツールを検討してください。