Pare de montar seu pipeline com quatro modelos diferentes. O FLUX 3 é a resposta da Black Forest Labs para um fluxo de trabalho em que a ferramenta de Imagem não sabe o que a ferramenta de Vídeo está fazendo, e nenhuma delas ouve o áudio: um único modelo, treinado em conjunto com imagens, vídeos e sons desde o primeiro passo. Uma Imagem estática ou um prompt de texto para vídeo se transforma em vinte segundos de movimento com o diálogo já sincronizado, mantendo a mesma lógica visual do início ao fim.
Essa compreensão compartilhada faz diferença quando uma cena precisa ter aparência, movimento e som de uma única ideia. Comece com um prompt claro, uma Imagem estática, quadros inicial e final ou uma sequência de quadros-chave; depois, use o modelo para levar a paleta, o personagem, a composição e a intenção sonora até a geração final.
O que muda
Um único modelo
O FLUX 3 reúne geração e edição de imagens, texto para vídeo, vídeo e som em um único modelo, em vez de usar uma cadeia de especialistas. Assim, o que você estabelece em uma imagem estática se mantém no movimento e na mixagem. A compreensão multimodal do modelo conecta a direção visual à sonora antes mesmo de a geração começar.
Duração nativa
Até 20 segundos de vídeo com áudio em uma única geração — tempo suficiente para desenvolver uma cena completa. Para produções mais longas, combine clipes em sequências com várias tomadas e construa a história de forma intencional, sem estender uma geração além de seu limite ideal.
Som que faz parte da cena
O áudio nativo é gerado junto com o vídeo — incluindo diálogos em vários idiomas — em vez de ser adicionado depois e ajustado para sincronizar. Assim, criar versões em outros idiomas vira uma decisão criativa na etapa do prompt, não um fluxo separado de substituição de áudio.
Feito para produções reais
Cada troca de ferramenta abre espaço para o visual perder consistência. O FLUX 3 reúne essas etapas em um único modelo, preservando no último quadro o que foi aprovado no primeiro. Para equipes criativas, isso significa menos transferências entre modelos, menos prompts reescritos e resultados mais consistentes da imagem ao movimento e ao som.
Ideal para
Equipes cansadas de conectar um modelo de imagem a um modelo de vídeo e depois a uma ferramenta de áudio, e que querem um sistema único e consistente do início ao fim.
Por onde começar
Pegue uma cena já criada com o FLUX 2 no YouArt e dê movimento e diálogo a ela — o FLUX 3 foi criado justamente para eliminar essa troca. Use prompts de texto para vídeo ao partir de uma ideia, ou uma imagem estática e quadros-chave quando o enquadramento e o peso visual já estiverem definidos.
Não é ideal para
Imagens estáticas simples que o FLUX 2 já cria mais rapidamente.
Como funciona
Conectar modalidades só depois da geração cria um pipeline. Treiná-las juntas desde o início cria um modelo que entende a aparência, o movimento e o som de uma cena como uma única coisa. É o treinamento conjunto do FLUX 3 que permite levar uma escolha visual feita na etapa de imagem para a ação, o ritmo, o diálogo e o som.
Treinamento conjunto
Um único modelo, treinado em conjunto com imagens, vídeo e áudio desde o início — não sistemas separados conectados posteriormente. Por isso, um personagem definido em uma imagem estática permanece consistente durante o movimento, e o som acompanha exatamente a ação. O valor não está apenas em oferecer mais recursos, mas em compartilhar uma mesma compreensão da cena entre todas as modalidades.
Vinte segundos, uma única geração
Vinte segundos de vídeo com áudio em uma única geração. É a diferença entre um fragmento que exige cortes e um momento capaz de incluir uma fala, uma reação e um movimento de câmera sem cortes no meio.
Sequências mais longas
Para peças que ultrapassam uma única geração, encadeie clipes em sequências mais longas com várias tomadas. Assim, você ganha escala organizando tomadas, sem tentar estender uma geração além do ideal. Especifique nos prompts o tema, a ação, o movimento de câmera, a iluminação e o ritmo visual desejado para facilitar a conexão entre as tomadas.
Fluxo de trabalho
A vantagem de um único modelo multimodal é que cada etapa aproveita a anterior, sem recomeçar com um prompt de texto. Você define a ideia visual uma vez e depois adiciona movimento e fala sem reconstruir a cena na ferramenta de outra empresa ou em outro modelo desconectado.
A etapa com mais controle vem primeiro. Personagem, paleta, composição, peso visual e enquadramento são definidos em um único quadro antes de qualquer movimento. Uma imagem bem elaborada oferece à geração seguinte uma referência visual mais sólida do que apenas um prompt vago.
Esse mesmo quadro se transforma em até 20 segundos de vídeo. Como um único modelo cuida das duas etapas, o visual aprovado é o mesmo que ganha movimento. Use texto para vídeo quando quiser começar sem uma imagem, ou parta de um primeiro quadro, do primeiro e do último quadros ou de quadros-chave quando precisar de mais controle sobre o movimento.
O áudio nativo e os diálogos multilíngues são gerados junto com o vídeo, então a cena já vem com som e dispensa uma etapa de sincronização. Inclua nos prompts a fala, a emoção e o ambiente sonoro para que o áudio faça parte da imagem desde o início.
Do prompt à cena final
Uma peça finalizada exige mais do que a primeira geração — é preciso continuar sem perder o que já foi criado. O FLUX 3 oferece ao processo criativo uma base compartilhada de imagem, vídeo e áudio, permitindo que cada nova ação preserve a ideia visual definida anteriormente.
O FLUX 3 pode continuar a partir de um vídeo e seu áudio, prolongando a tomada para manter o ritmo e o som coerentes quando a cena precisa de mais tempo do que a primeira geração ofereceu.
A síntese e a edição de imagens ficam no mesmo modelo que o vídeo. Assim, a imagem estática que você refina e o quadro que anima vêm de um único sistema, em vez de dois sistemas com resultados apenas aproximados. Para quem usa acesso antecipado ou fluxos de prévia de modelos, isso reduz a necessidade de transferir arquivos entre ferramentas incompletas enquanto o conjunto final de recursos evolui.
Feito para produção
O FLUX 3 foi criado pensando nas partes do trabalho que mais consomem tempo: manter o visual consistente entre modalidades, gerar clipes longos o bastante para usar, integrar o som sem uma etapa separada e atender a mais de um idioma.
Com um único modelo treinado em conjunto, o personagem, a paleta e a iluminação definidos na imagem estática permanecem quando a tomada ganha movimento.
Tempo suficiente para uma fala e uma reação, em vez de um fragmento que exige cortes.
A geração de áudio nativo elimina a etapa de sincronização que normalmente separa uma renderização pronta de uma cena finalizada.
Com diálogos multilíngues, criar uma versão em outro idioma exige apenas uma nova geração, não uma nova gravação.
Em comparação com o FLUX 2
O vídeo chegou primeiro: o FLUX 3 Video já está no YouArt, em 720p ou 1080p e com áudio sincronizado. O custo em créditos por segundo e todas as especificações estão na página do modelo. O modelo de imagem vem depois.
Em vários setores
Um único modelo que reúne imagem, vídeo e áudio transforma o trabalho de maneiras diferentes, dependendo do que você cria.
Agências criam o quadro de uma campanha, transformam-no em um anúncio de vinte segundos e entregam versões em vários idiomas, sem perder a consistência entre a imagem principal e as versões reduzidas. Prompts claros ajudam a preservar o produto, a paleta, a ação e a mensagem em diferentes variações criativas.
Varejistas transformam uma imagem estática de produto em um vídeo curto com som, preservando exatamente a forma e a cor definidas na imagem. Um quadro inicial mais bem definido oferece ao modelo mais contexto sobre textura, peso visual do produto e os detalhes que os consumidores precisam reconhecer.
Estúdios pré-visualizam uma cena com os diálogos já incluídos, transformando um storyboard em algo que pode ser assistido e cronometrado. O FLUX 3 ajuda equipes de cinema a testar como personagem, movimento de câmera, fala e efeito sonoro funcionam juntos antes do início de uma produção maior.
Equipes produzem vídeos de treinamento e comunicação interna mantendo a mesma pessoa em todos os módulos, e criar uma versão para outro mercado exige apenas mais uma geração.
Para quem é
Um único modelo para várias modalidades faz mais diferença para quem hoje perde tempo alternando entre três ferramentas.
Diretores de criação mantêm uma única ideia visual entre uma imagem estática, uma tomada em movimento e uma trilha sonora, sem precisar recriá-la em cada ferramenta.
Profissionais de marketing de performance criam variações e versões em outros idiomas com o mesmo visual, sem precisar de uma nova gravação para cada uma.
Cineastas pré-visualizam cenas com os diálogos já incluídos, permitindo avaliar o ritmo em vez de apenas imaginá-lo.
Criadores de conteúdo para redes sociais transformam uma ideia em um vídeo curto que já vem com som, sem precisar montar uma cadeia de ferramentas.
Gere com FLUX 2, Flux Kontext e todos os outros modelos do YouArt usando um único saldo de créditos.
Para entusiastas e exploradores
Para criadores e usuários profissionais
Para usuários avançados e equipes
Para equipes e estúdios
Perguntas frequentes
Disponível agora
Imagem, vídeo e som em um único modelo — o FLUX 3 já está no YouArt, junto com FLUX 2 e Flux Kontext. Crie uma cena a partir de um prompt ou de uma imagem estática, dê movimento a ela mantendo a consistência visual e gere o som e os diálogos na mesma etapa criativa.
FLUX, FLUX.2 e FLUX 3 são marcas comerciais da Black Forest Labs Inc. O YouArt não é afiliado à Black Forest Labs nem é endossado por ela.
