FLUX 3 Video: 20-sekundové klipy s natívnym zvukom

Krátka odpoveď: FLUX 3 Video renderuje obraz a zvuk spolu, takže prompt musí režírovať oboje. Napíš riadok FORMAT, daj keyframom časové značky, opíš STARTING STATE, rozpíš TIMELINE s jednou viditeľnou akciou na beat, fixuj CAMERA a CONTINUITY a AUDIO napíš ako partitúru — kto hovorí, v akom jazyku, v ktorej sekunde, plus efekty a atmosféru miestnosti. Najprv vyrenderuj náhľad za 0,06 $ za sekundu, potom ho vylepši.

Čo je FLUX 3 Video

FLUX 3 je multimodálny model Black Forest Labs — jedna chrbtica pre obrázky, video aj zvuk — oznámený 23. júla 2026 v early access. Jeho video režim sa dostal do BFL API a k vybraným partnerom 4. augusta 2026. Hlavná správa nie je dĺžka, ale zvuk: reč vo viac než tucte jazykov s lip syncom, efekty a atmosféra vznikajú spolu so snímkami, nie dodatočne.

Štruktúra briefu

Rovnaký vzor režisérskeho briefu roku 2026, ktorý funguje pre Seedance 2.5 a Kling 3.0, funguje aj tu, s dvoma blokmi špecifickými pre FLUX: KEYFRAMES s časovými značkami namiesto referenčných rolí a riadok AUDIO rozpísaný na sekundy.

1. FORMAT — dĺžka, pomer strán, hd alebo fhd, jeden záber alebo zábery, zvuk zapnutý či vypnutý.
2. KEYFRAMES — ktorý obrázok sedí v ktorej sekunde a čo medzi nimi musí ostať identické.
3. STARTING STATE — subjekt, kamera a svetlo v 0 s.
4. TIMELINE — sekundové rozsahy, jedna viditeľná akcia na beat, kde sa posledný pohyb ustáli.
5. CAMERA — jeden pohyb, objektív, čo je zakázané.
6. CONTINUITY — invarianty: produkt, tvár, oblečenie, svetlo.
7. AUDIO — efekty s časovými značkami, atmosféra miestnosti, dialóg v úvodzovkách s hovoriacim, jazykom a sekundou, hudba alebo výslovne žiadna.
8. CONSTRAINTS — čo sa nesmie stať.

Celý príklad (12 s, 9:16, produkt s hovorenou replikou)

FORMAT: 12 s, 9:16, fhd, one continuous take, audio on.
KEYFRAMES: [0, image1] the glass bottle on the marble counter, cap on, morning light from the left; [8, image2] the same bottle with the cap off and one drop on the rim. Keep the label, the cap and the marble identical between the two.
STARTING STATE: the bottle stands centred, still; a hand is out of frame to the right.
TIMELINE:
0-4 s - the light slides slowly across the marble; a hand enters from the right and lifts the cap.
4-8 s - close on the rim: one drop forms and falls in real time; the hand sets the cap down out of frame.
8-12 s - the camera eases back to a hero angle and holds; the bottle settles centred for the last second.
CAMERA: locked-off macro at 100 mm for the first eight seconds, then a slow pull-back; no whip, no zoom.
CONTINUITY: same bottle, label and lighting throughout; the hand has short nails and no rings.
AUDIO: a soft cap click at 3.5 s, a single drop at 6 s, quiet room tone throughout; at 9 s a calm female voice (English, British) says "Made in one drop."; no music.
CONSTRAINTS: no on-screen text, no second product, no logo changes, no slow motion, no watermark.

Ako písať riadok AUDIO

• Dialóg v rovných úvodzovkách, s hovoriacim, jazykom a sekundou: at 9 s a calm female voice (English, British) says "Made in one drop."
• Jedna krátka replika na klip pod 15 s. Reč potrebuje asi tri sekundy na vetu plus ticho okolo; 12-sekundový klip unesie jednu repliku, 20-sekundový dve až tri.
• Efekty s časovými značkami, aby sadli na akciu: „cap click at 3.5 s, drop at 6 s“.
• Pomenuj atmosféru miestnosti („quiet room tone“, „rain on the window“) — ticho bez nej sa vyplní náhodným podkladom.
• Napíš „no music“, keď to myslíš vážne; inak model môže klip ozvučiť hudbou.
• Hovoriaci musí byť v zábere, keď replika znie, ak chceš lip sync; voice-over je v poriadku, keď nikto v zábere nie je.

Keyframes s časovými značkami

Image-to-video berie jeden až desať obrázkov. Jeden obrázok je štartovací snímok; dva sú dvojica štart a koniec; viac sa stávajú keyframes s časovými značkami zapísanými ako [0, image1], [8, image2]. Model medzi nimi interpoluje pohyb, takže obrázky sa musia zhodovať vo všetkom, čo nechceš meniť — produkt, etiketa, smer svetla, rámovanie — a líšiť sa len v stave, ktorý chceš animovať. Dve produktové fotky z tej istej pozície statívu sú ideálne; dve fotky z rôznych uhlov vytvoria morf.

Najprv náhľad, potom vylepšenie

Každá požiadavka FLUX 3 Video prijíma draft: true: rýchly 720p náhľad za 0,06 $ za sekundu namiesto 0,17 $. Skontroluj časovanie repliky, ustálenie na konci a pohyb kamery; ak treba, oprav brief; potom pošli vrátený draft_cache znova s mode: "draft_enhance", aby sa schválený náhľad vyrenderoval v plnej kvalite. 12-sekundový klip stojí 0,72 $ na náhľad a približne 2 $ na dokončenie v HD — oveľa lacnejšie než tri plné rendery naslepo.

Kde poráža ostatných a kde nie

• Vyber FLUX 3 Video na 10–20-sekundové produktové, značkové a vysvetľovacie klipy s hovorenými replikami v mnohých jazykoch, kontrolou keyframov a slučkou náhľad → vylepšenie.
• Vyber Veo 3.1 na 8-sekundové fotorealistické hero zábery s natívnym zvukom; najrealistickejšie svetlo roku 2026.
• Vyber Seedance 2.5 na 30-sekundové príbehy na jeden záber riadené až 50 referenciami s explicitnými rolami — pozri návod na Seedance 2.5.
• Vyber Kling 3.0 na strihané scény s pomenovanými hovoriacimi a dĺžkami záberov.

Prechádzaš zo Sory? Štruktúra promptu vyššie sa mapuje jedna k jednej; návod na migráciu po konci Sory má tabuľku funkcia po funkcii.

Časté chyby

• Dialóg napísaný ako opis („hovorí o produkte“) — žiadna replika nezaznie.
• Dve repliky v 8-sekundovom klipe — druhá je uponáhľaná alebo odstrihnutá.
• Keyframes z rôznych uhlov — model morfuje namiesto animovania.
• Kombinácia obrázkového a video vstupu v jednej požiadavke — nepodporované; vyber jedno.
• Preskočený náhľad — plné rendery za 0,17–0,29 $ za sekundu rýchlo narastú.
• Spec tokeny („4K 60fps“) a negatívne prompty — použi FORMAT a CONSTRAINTS.

Časté otázky

Chceš brief napísaný za teba — keyframes, timeline, kamera, kontinuita, rozpísaný riadok zvuku a obmedzenia? GoldenPrompts stavia briefy pre FLUX 3 Video, Veo, Seedance a Kling na pár klikov. Vyskúšaj — 24 hodín všetko zadarmo, bez karty.