flux-3-video 分镜概念：文字驱动的三帧故事板

演示 FLUX 3 Video 的故事板输入能力：用同一段文字场景拆分出的三张关键画面，按均匀时间点钉入生成序列，再由模型在帧与帧之间补全运动、镜头与同步音频。schema 中 images 数组在 3–10 张时被视为等时距故事板，本作只放三张，足以观察「起—承—合」的结构化叙事，而不是让模型自由发挥。 构成：三张参考图分别对应雨夜街道的建立镜头、人物回头的动作节点、霓虹灯下的收束特写；base 中固定 prompt、时长 8 秒、1080p、开启原生音频、画幅 16:9。音画在单一模型中联合生成，因此脚步声、雨声与画面动作天然对齐，无需后期配音流程。 适用场景：广告与影视的前期预演、把已有分镜草图快速转成动态镜头、以及为多语言版本批量复用同一套构图。注意单次片段上限约 20 秒，更长的叙事需要分段生成并用 start_video 续写拼接。