Cómo generar videos con FLUX 3 (2026)

FLUX 3 es el modelo multimodal de Black Forest Labs, anunciado el 23 de julio de 2026, y uno de los primeros grandes lanzamientos de video con IA donde el diálogo, los efectos, el ambiente y la imagen salen de la misma generación. La mayoría de las guías de FLUX 3 aún repiten el anuncio de lanzamiento, y un clip que cuesta 170 créditos en su duración más corta necesita un prompt que funcione a la primera. Así que leímos los 13 clips de FLUX 3 en los lienzos públicos de películas del equipo de Flick y de residencia, con los prompts exactos que los crearon y las pistas de sonido que generaron. Esta guía muestra cómo generar videos con FLUX 3, los prompts reales, cómo dirigir el sonido, cuánto cuesta y cómo se compara con Seedance, Kling, Veo y Grok.

FLUX 3 se ejecuta en el plan Standard de Flick y superiores.

¿Puede FLUX 3 generar videos?

¿Qué es FLUX 3?

Black Forest Labs anunció FLUX 3 el 23 de julio de 2026 y lo hizo disponible de forma general a través de su API y socios el 4 de agosto de 2026.

El CEO de BFL, Robin Rombach, resumió la premisa: "No puedes engañar a la realidad. Un modelo que solo aprende imágenes solo puede generar imágenes."

Ese enfoque es importante para los cineastas, porque la parte difícil del video con IA ya no es un solo fotograma bonito sino la continuidad: imagen, movimiento, sonido, personaje, física y ritmo de edición deben estar en armonía.

• Lee el benchmark como una afirmación del proveedor: las pruebas independientes aún no lo han alcanzado.
• El cambio práctico es el sonido: FLUX 3 genera video y audio en una sola generación, lo que cambia cómo se construye una película.
• Pruebas tempranas: los probadores publicaron sus primeros clips en X, como @venturetwins y @umesh_ai, y la prueba correcta es si el movimiento, el sonido, el tiempo y la lógica de la escena se mantienen cohesionados, no la belleza del fotograma estático.

¿Cómo se ven los prompts reales de FLUX 3?

Estas son tomas de FLUX 3 de películas del equipo de Flick y de residencia, cada una con el prompt exactamente como fue ejecutado.

• Lo que leímos: los 13 clips de FLUX 3 en los lienzos públicos de 4 películas del equipo de Flick y de residencia, 7 de ellos a los 20 segundos completos.
• Sonido en cada archivo: los 13 clips regresaron con una pista de sonido, incluyendo los 7 cuyos prompts nunca mencionan el sonido.
• Fotogramas iniciales: los 13 comenzaron desde un fotograma inicial, así que todavía no tenemos ningún clip de FLUX 3 propio hecho solo desde texto.

00:10

Un plano general fijo con cada sonido en su propia línea

El prompt fija la cámara, luego enumera el viento, los cascos, el arnés y el aliento del caballo línea por línea y descarta el diálogo y la música, para que el sonido esté escrito con el mismo cuidado que la imagen.

Locked wide shot.
Maintain the same camera position, composition, focal length, and shot scale throughout.
No push-in, pull-back, pan, tilt, crane movement, or zoom.
The rider and horse move independently from the camera.

The rider and horse maintain a fast gallop along their existing direction across the frozen lake toward the distant tree line.

The horse sustains a natural, powerful gallop. All four legs move through a complete running gait, while its head and neck rise and fall naturally with each stride. Its mane, tail, and tack move with the speed.

The rider leans slightly forward, keeps both hands steady on the reins, and moves naturally with the horse’s galloping rhythm.

The hooves repeatedly strike the thin snow covering the ice, throwing a small amount of fine snow backward and extending faint hoof tracks behind them.

The colossal serpent in the background is a completely frozen corpse and remains absolutely motionless throughout. No breathing, blinking, eye movement, jaw movement, or body movement.

The broad background fog moves slowly throughout the shot, drifting sideways at a steady, continuous pace across the mountain and around the frozen serpent. The fog banks change shape naturally. The moving fog does not affect the serpent, its ice covering, or its icicles; the serpent remains absolutely motionless.

Continuous low cold wind.
Fast, forceful hoof impacts against the ice and thin snow.
Subtle rein, leather, and tack vibration.
Heavy, rhythmic breathing from the running horse.
No sound from the serpent.
No dialogue.
No background music.

In ’twixt Vows, dirigida por Jaime Yao

Significado:Un jinete galopando sobre un lago helado hacia árboles distantes con una serpiente congelada inmóvil al fondo y niebla moviéndose, plano fijo cinematográfico.

00:06

Un plano de detalle lento que dice qué debe permanecer quieto

El prompt nombra las pocas baldosas que pueden moverse, con qué lentitud, y qué no debe hacerlo, hasta el punto de que la figura no gira ni parpadea, lo que evita que un plano de detalle lento se convierta en un colapso.

The camera drifts extremely slowly from upper right to lower left with a very slight push-in. No sudden acceleration. No reframing.

The mosaic figure remains still. Only a sparse selection of mosaic pieces slowly loosens, lifts away from the wall, and floats just in front of their original positions. Do not make it a large-scale collapse.

After the pieces detach, the exposed gaps reveal a dim blue moonlit jade material. It is smooth, semi-translucent, faintly glowing, and not liquid. It emits a soft, low-intensity cool blue glow that gently illuminates nearby piece edges, seams, and fine airborne dust.

A few pieces near the blue gem eye may also loosen and float. The gem catches one brief subtle glint. The figure does not turn its head and does not blink.

Only a small amount of dust and faint haze drifts slowly through the air.

In ’twixt Vows, dirigida por Jaime Yao

Significado:Una figura de mosaico pierde algunas piezas que flotan revelando material de jade azul luminoso con cámara lenta y deriva suave.

00:10

Cuatro palabras sobre un fotograma inicial extraño

Con cuatro palabras y un error tipográfico, FLUX 3 mantuvo el coche flotante del fotograma inicial y sus dos observadores, y puso el coche en movimiento, con su maletero abriéndose y humo elevándose mientras se hunde hacia el mar.

some strange things happned.

Summer time, dirigida por Zoey Z.

Significado:Suceden cosas extrañas sin descripción específica.

00:20

Seis palabras que dejan el plano al modelo

Un prompt tan abierto deja cada decisión a FLUX 3, y esta toma pasa del fotograma inicial del dormitorio a una segunda escena de una mujer con gabardina junto a un coche rojo.

based on these images, create something

Summer time, dirigida por Zoey Z.

Significado:Se crea algo basado en imágenes no especificadas.

¿Cómo se dirige el sonido en FLUX 3?

En The Miracle, Sam Wasserman escribió una línea fuera de cámara para su General, describió la voz en detalle y descartó música y otras voces, y FLUX 3 devolvió la imagen y la voz en una sola pasada:

00:20

Dense ranks of mixed male and female Caucasian Runners with varied natural hair colors and clearly distinct human faces wear the same Pearl-White Gauntlet Suit: Sleek, slightly glossy pearl-white suit over an open-collar white shirt; identical material across all Runners while faces, ages, genders, builds, and hair remain clearly distinct. The General remains completely off camera. His exact voice continues: “It will push you to your breaking point, but nothing can prepare you for the true brutality of the Gauntlet.” Match the supplied General voice reference exactly: low grounded baritone, natural accent, firm chest resonance, hard consonants, dry weathered texture, restrained authority and controlled grief.
# Composition
Track laterally past tense hands, breathing chests, worn faces and fixed eyes, revealing multiple Runners in layered depth. No one speaks or lip-syncs.
# Lighting
Sodium-amber practicals, muted cyan shadows, smoke, wet-floor reflections and deep blacks.
# Camera
20-second medium shot, eye level, 50mm anamorphic, slow weighty lateral track. Let the voice finish cleanly before the final reaction.
# Style
Lost large-scale 1987 live-action 35mm anamorphic cinema; coarse organic grain, gate weave, halation, practical atmosphere, believable human skin and physical costumes. No synthetic faces, CGI sheen, subtitles, readable incidental text, music, or additional voices.
# Mood
Quiet dread held under military discipline.

Significado:Corredores diversos en trajes blancos perlados escuchan la voz severa del General sobre brutalidad con iluminación ambar y cinematografía analógica ochentera.

• La voz: la pista lleva voz durante aproximadamente los primeros 12 segundos, luego sonido ambiental sin voz hasta el final, como lo pide el "Deja que la voz termine limpiamente antes de la reacción final" del prompt.
• Sin música: el prompt descarta música y voces adicionales, y la pista no contiene ninguna después de que termina la línea.
• Sin referencia de voz en Flick: el prompt pide coincidir con una "referencia de voz de General proporcionada", pero FLUX 3 en Flick toma un fotograma inicial y uno final y ninguna entrada de audio, así que la voz proviene únicamente de la descripción escrita.
• El mismo prompt dos veces: Sam ejecutó este prompt desde dos fotogramas iniciales diferentes, y la segunda toma abre esta guía.

Antes del video de IA sincronizado, el flujo de trabajo habitual era generar un clip silencioso, elegir la mejor toma, añadir diálogo con un modelo de voz, añadir foley y ambiente desde una biblioteca, añadir música, y luego intentar hacer que todo se sintiera como una sola habitación.

FLUX 3 integra parte de eso en la generación: una puerta puede cerrarse de golpe con el sonido de la puerta, una alarma puede pulsar con la luz roja, y un personaje puede hablar en la toma donde la cámara se mueve.

Eso no hace que la posproducción sea irrelevante, hace que el primer pase sea más cinematográfico, ya que aún editas, mezclas y gradúas, pero el clip crudo puede llegar con su timing y señales de sonido adjuntas.

¿Cómo se genera un video con FLUX 3 en Flick?

1. 1Abre un lienzo

   Crea un proyecto de Flick en la relación de aspecto del lanzamiento final, 16:9, 9:16 o 1:1, y mantén notas de prompts, imágenes fijas de escenas y referencias junto al plan de tomas.

2. 2Fija los personajes primero

   Ancla los personajes recurrentes en imágenes fijas con Referencia de Personaje antes de depender de un modelo de video, porque cada clip puede desviarse de toma en toma.

3. 3Elige FLUX 3

   Añade un nodo de Imagen a Video, elige FLUX 3, y añade un fotograma inicial, o un fotograma inicial y final, cuando la toma deba comenzar o terminar en una imagen específica.

4. 4Escribe la toma y el sonido

   Describe un movimiento de cámara, la acción en orden y el sonido que deseas, luego establece de 5 a 20 segundos y 720p o 1080p y verifica el total de créditos.

5. 5Compara modelos

   Usa FLUX para tomas conscientes del sonido, Seedance para clips con muchas referencias o más largos, Kling para movimiento fuerte y Veo para realismo pulido, mientras la película permanece en un solo lienzo.

6. 6Extrae, gradúa, edita

   Extrae un fotograma final fuerte como inicio de la siguiente toma, luego gradúa y corta clips de FLUX, clips silenciosos, voces y música juntos para que la secuencia se lea como una sola película.

¿Cómo se escribe un buen prompt de FLUX 3?

1. 1. Comienza con un plano, no con una idea vaga

   Di quién está en cuadro, dónde está la cámara, qué se mueve, qué cambia con el tiempo, qué contiene el audio y qué debe evitar el modelo, porque FLUX 3 aún necesita un plano que seguir.

2. 2. Escribe imagen y sonido juntos

   Dale al sonido su propia línea, como hace el prompt del lago congelado con viento, cascos y respiración, ya que FLUX 3 genera el audio a partir del mismo prompt que la imagen.

3. 3. Mantén la primera prueba simple

   Usa un sujeto, una idea de cámara y una idea de sonido para las primeras generaciones, y deja las escenas que necesitan coreografía compleja hasta que sepas cómo se comporta el modelo.

4. 4. Di qué debe permanecer quieto

   Nombra lo que no debe moverse tan claramente como lo que sí debe, como hace el prompt del mosaico con la figura que no gira ni parpadea, para que un plano lento mantenga su forma.

5. 5. Compara tomas por cómo se cortan

   Pregunta qué clip se corta mejor en lugar de cuál se ve mejor, verificando que los primeros y últimos cuadros coincidan con los planos circundantes y que el sonido ayude a la edición.

6. 6. Guarda la duración completa para planos que la merezcan

   Mantén los cutaways, insertos y planos de reacción cortos y guarda los clips más largos para un sujeto estable con inicio, desarrollo y final, porque el video de IA a menudo luce mejor cuando un plano tiene un solo propósito.

Un prompt fuerte de FLUX 3 cubre estas seis cosas:

• Cámara: push-in, dolly, handheld, locked-off, aerial, tracking, orbit.
• Movimiento del sujeto: camina, gira, alcanza, corre, duda, mira hacia arriba.
• Movimiento ambiental: lluvia, humo, viento, polvo, multitudes, fuego, agua.
• Sonido: pasos, tela, zumbido de motor, trueno, diálogo, ambiente, silencio.
• Temporización: "después de una pausa," "cuando la cámara los alcanza," "al final."
• Restricciones: sin texto, sin personajes adicionales, preservar identidad, movimiento realista.

Un prompt débil

A futuristic city at night.

Un prompt mejor, con imagen y sonido

Slow aerial push over a rain-soaked futuristic city at night. Neon signs reflect in puddles below, steam rises from street vents, distant traffic hums, and a low synth drone builds under the shot. Cinematic realism, wet asphalt, volumetric light, no readable text, no logos.

Al revisar tomas, verifica que el primer fotograma coincida con la escena anterior, que el último fotograma ofrezca un punto de corte, que la acción se entienda sin explicación, que el sujeto mantenga su identidad y que el movimiento sea físicamente plausible.

¿Existe una plantilla de prompt para FLUX 3?

[Shot type / camera movement] of [subject] in [setting].
[Subject action over time].
[Environmental motion over time].
Audio: [dialogue, ambience, effects, silence, music direction].
Style: [cinematic style, lens, lighting, texture].
Constraints: [identity, no text, no logos, no extra characters, realistic motion].

La plantilla completada

Slow handheld tracking shot behind a detective walking down a narrow motel hallway at midnight.
The detective moves cautiously, one hand near the wall, then stops when a door creaks open at the end of the hall.
Fluorescent lights flicker overhead, dust floats in the air, rain runs down the window at the far end.
Audio: soft footsteps on carpet, low motel electricity hum, distant rain, one sharp door creak, no music.
1970s neo-noir, 35mm film grain, warm green fluorescent cast, realistic motion.
No readable text, no logos, no extra people.

Locked-off medium shot of a tired astronaut sitting alone inside a dim spacecraft cockpit.
At the start, only the soft instrument panel glow lights their face. After three seconds, a red warning light begins pulsing.
The astronaut slowly turns toward the window as distant debris taps against the hull.
Audio: low spacecraft hum, faint alarm pulse, subtle breathing inside the helmet, no music.
Cinematic realism, shallow depth of field, no text, no extra characters.

Close-up of an exhausted pilot in a dim cockpit, helmet visor half raised.
The pilot looks down, breathes once, then says quietly: "We are not going back."
Warning lights pulse across their face as the camera slowly pushes in.
Audio: cockpit hum, soft alarm beeps, intimate dry dialogue, no music.
Cinematic sci-fi realism, shallow depth of field, preserve face, no text.

Locked-off wide shot of an empty farmhouse hallway at night.
At first nothing moves. After four seconds, a floorboard creaks off-screen, then the hanging light swings slightly.
Audio: deep room tone, distant wind, single floorboard creak, faint chain movement, no music.
Natural darkness, practical bulb light, realistic horror atmosphere, no visible monster.

Slow studio orbit around a matte black cinema camera on a reflective table.
Light sweeps across the lens glass as the camera rotates, revealing subtle dust particles in the air.
Audio: quiet mechanical rotation, soft room tone, no music.
Premium commercial lighting, crisp reflections, minimal background.
No logos, no text, keep object shape consistent.

Wide cinematic shot of ancient ships cutting through dark water at dawn.
Oars move in rhythm, sails snap in the wind, mist wraps around rocky cliffs.
Audio: waves against wood, distant sailcloth snapping, low wind, subtle drum pulse.
Historical epic realism, warm sunrise, 70mm texture, grounded scale.
No modern objects, no fantasy creatures, no readable text.

Medium close-up of a young inventor sitting alone at a cluttered workbench before sunrise.
They tighten one small screw, stop, and smile when the machine begins to hum.
Dust floats in the first blue morning light through the window.
Audio: tiny metal screw turn, soft electric hum, morning birds outside, no music.
Naturalistic indie film style, gentle lens softness, realistic hands.

¿Cuánto cuesta FLUX 3 en Flick?

• El sonido está incluido: FLUX 3 en Flick no tiene interruptor de audio, por lo que el precio cubre imagen y sonido juntos.
• Planes: FLUX 3 requiere el plan Standard, desde $20 al mes con 2,500 créditos.
• Prueba primero en corto: el nodo muestra el total de créditos antes de ejecutar, así que prueba un prompt en la duración más corta antes de una toma de duración completa.

¿Cómo se compara FLUX 3 con otros modelos de video IA?

• Referencias: Seedance 2.5 en Referencia a Video acepta hasta 30 imágenes de referencia, mientras que FLUX 3 en Flick acepta un fotograma inicial y un fotograma final sin imágenes de referencia.
• El lienzo es la constante: La Referencia de Personaje, las notas del prompt y la edición permanecen en un lienzo de Flick, así que una película puede usar un modelo diferente para cada toma.
• Una prueba cara a cara: FLUX 3 vs Seedance 2.5 ejecuta ambos modelos en las mismas tomas.

¿Qué no puede hacer FLUX 3 todavía?

• Dirigir el audio: nuestros clips muestran que las líneas de sonido escritas y una línea hablada entre comillas se transmiten, pero qué tan precisamente un prompt controla el diálogo, el foley, la ambientación y la música aún necesita más pruebas.
• La misma actuación dos veces: los cineastas necesitan regenerar la imagen mientras mantienen una actuación, y FLUX 3 no ofrece ninguna forma de hacerlo todavía.
• Una voz a través de planos: el sonido nativo importa más si un personaje suena igual de plano a plano, y FLUX 3 en Flick no acepta referencia de voz.
• Referencias: la consistencia del personaje, vestuario y locación deciden si funciona para películas reales, y FLUX 3 en Flick no acepta imágenes de referencia, así que fija los looks en el fotograma inicial.
• Costo de iteración: el costo en créditos se muestra antes de generar, así que prueba primero con clips cortos.
• Pesos abiertos: las versiones para desarrolladores que Black Forest Labs prometió podrían importar más que el lanzamiento alojado a largo plazo.

¿Cuáles son los errores comunes de FLUX 3?

• Ignorar el audio en el prompt: la diferencia de FLUX 3 es el sonido sincronizado, así que dirige eso.
• Una escena completa en una generación: un clip debe ser un plano.
• Usar en exceso la duración completa: un clip más largo es mejor cuando la acción permanece coherente, y peor cuando no.
• Juzgar solo la imagen: escucha el timing, el diseño de sonido, la ambientación y la actuación.
• Tomar los benchmarks del proveedor como finales: las comparaciones independientes importarán.
• Olvidar la continuidad: un clip hermoso todavía tiene que coincidir con el personaje, la locación y la secuencia.
• Esperar un modelo perfecto: usa el mejor modelo por plano y ensambla la película en un solo flujo de trabajo.

Preguntas frecuentes sobre FLUX 3

Más sobre FLUX 3 y video IA en Flick

Películas en esta guía

• Sam Wasserman · The Miracle
• Jaime Yao · In ’twixt Vows
• Zoey Z. · Summer time
• Raj Rishi More · Seasons
• MaxVOAO · Dreamland
• Owen Doerr · Lifeguard