FLUX 3で動画を生成する方法（2026年）

FLUX 3は、Black Forest Labsのマルチモーダルモデルで、2026年7月23日に発表されました。対話、エフェクト、環境音、映像が同じ生成から出力される初の大規模AI動画リリースの一つです。ほとんどのFLUX 3ガイドは今でもローンチ発表を繰り返しているだけで、最短でも170クレジットかかるクリップには一発で成功するプロンプトが必要です。そこで私たちは、Flickチームとレジデンシーフィルムのパブリックキャンバスにある全13本のFLUX 3クリップを、実際に使用したプロンプトと生成されたサウンドトラックと共に分析しました。このガイドでは、FLUX 3で動画を生成する方法、実際のプロンプト、音声の演出方法、コスト、そしてSeedance、Kling、Veo、Grokとの比較を紹介します。

FLUX 3はFlickのStandardプラン以上で利用できます。

FLUX 3は動画を生成できますか？

FLUX 3とは何ですか？

Black Forest Labsは2026年7月23日にFLUX 3を発表し、2026年8月4日にAPIおよびパートナーを通じて一般提供を開始しました。

BFLのCEOであるRobin Rombachは、その前提を次のように要約しました。「現実を欺くことはできません。画像のみを学習したモデルは、画像しか生成できないのです。」

この考え方は映画制作者にとって重要です。なぜなら、AI動画の難しい部分は、もはや単一の美しいフレームではなく、連続性だからです。画像、動き、音声、キャラクター、物理法則、編集のリズム、これらすべてが一致する必要があります。

• ベンチマークはベンダーの主張として読むこと: 独立したテストはまだ追いついていません。
• 実用的な変化は音声: FLUX 3は1回の生成で動画と音声を作成するため、映画の制作方法が変わります。
• 初期テスト: テスターは最初のクリップをXに投稿しました。例えば@venturetwinsや@umesh_aiなど。適切なテストは静止画の美しさではなく、動き、音、タイミング、シーンの論理がまとまっているかどうかです。

実際のFLUX 3プロンプトはどのようなものですか？

これらはFlickチームとレジデンシー映画からのFLUX 3ショットで、それぞれ実行された通りのプロンプトが付いています。

• 私たちが確認したもの: Flickチームとレジデンシー映画4作品の公開キャンバス上のFLUX 3クリップ全13本、そのうち7本はフルの20秒です。
• すべてのファイルに音声：13本のクリップすべてに音声トラックが付属しており、プロンプトで音声に言及していない7本も含まれています。
• 開始フレーム：13本すべてが開始フレームから始まっているため、テキストのみから生成されたFLUX 3クリップはまだありません。

00:10

すべての音を個別の行で記述した固定ワイドショット

プロンプトはカメラを固定し、風、蹄の音、馬具、馬の息を1行ずつリストアップし、対話と音楽を除外しているため、音声は映像と同じように丁寧に記述されています。

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.

Jaime Yao監督『In ’twixt Vows』

意味：騎手と馬が凍った湖を疾走し、背景に凍った巨大な蛇がいる、固定された広角ショットの映像が作られます。

00:06

何が静止していなければならないかを示すスローディテールショット

プロンプトは、動いてもよいわずかなタイル、その速度、そして人物が振り向いたり瞬きしたりしないことまで、動いてはならないものを指定することで、スローディテールショットが崩壊するのを防いでいます。

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.

Jaime Yao監督『In ’twixt Vows』

意味：モザイク人物の壁から断片がゆっくり浮遊し、青く光る翡翠の素材が露出する映像が作られます。

00:10

奇妙な開始フレームに対する4つの単語

4つの単語とタイポで、FLUX 3は開始フレームの浮遊する車と2人の観察者を保持し、車を動かし、トランクを開け、海に沈むにつれて煙が立ち上るようにしました。

some strange things happned.

Zoey Z.監督『Summer time』

意味：奇妙な出来事が起こる映像が作られます。

00:20

ショットをモデルに委ねる6つの単語

このようなオープンなプロンプトはすべての選択をFLUX 3に委ね、このテイクは寝室の開始フレームから、赤い車の横にトレンチコートを着た女性がいる第2のシーンへと移動します。

based on these images, create something

Zoey Z.監督『Summer time』

意味：提供された画像に基づいて何かの映像が作られます。

FLUX 3で音声をどのように指示しますか？

『The Miracle』で、Sam Wassermanは将軍のオフカメラのセリフを書き、声を詳細に描写し、音楽と他の声を除外した結果、FLUX 3は映像と声を1回のパスで返しました：

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.

意味：真珠色のスーツを着た多数のランナーたちが緊張した表情で並び、将軍の声が響く1987年風の実写映像が作られます。

• 声：トラックは最初の約12秒間音声を含み、その後プロンプトの「最後のリアクションの前に声をきれいに終わらせる」という指示通り、声のないルームサウンドで最後まで続きます。
• 音楽なし：プロンプトは音楽と追加の声を除外しており、セリフが終わった後のトラックにはそれらが含まれていません。
• Flickには音声リファレンスがありません：プロンプトは「提供されたGeneral音声リファレンス」に合わせるよう求めていますが、FlickのFLUX 3は開始フレームと終了フレームを受け取り、音声入力は受け付けないため、音声は文章による説明のみから生成されます。
• 同じプロンプトを2回実行：Samは異なる開始フレームからこのプロンプトを実行し、2回目のテイクがこのガイドの冒頭となっています。

同期型AI動画が登場する前は、通常のワークフローは無音のクリップを生成し、最良のテイクを選び、音声モデルで台詞を追加し、ライブラリから効果音と環境音を追加し、音楽を追加してから、すべてが一つの空間で撮影されたように感じられるよう調整するものでした。

FLUX 3はその一部を生成段階に統合します：ドアがドアの音と共に閉まり、アラームが赤いライトと共に点滅し、キャラクターがカメラが動くショットで話すことができます。

これはポストプロダクションが不要になるということではなく、最初の素材がより映画的になるということです。編集、ミキシング、グレーディングは依然として必要ですが、生のクリップがタイミングと音声キューを伴って届く可能性があります。

FlickでFLUX 3を使って動画を生成する方法は？

1. 1キャンバスを開く

   最終リリースのアスペクト比（16:9、9:16、または1:1）でFlickプロジェクトを作成し、プロンプトのメモ、シーンの静止画、リファレンスをショットプランの横に配置します。

2. 2キャラクターを最初に固定

   動画モデルに依存する前に、Character Referenceを使用して繰り返し登場するキャラクターを静止画で固定します。各クリップはショットごとにずれる可能性があるためです。

3. 3FLUX 3を選択

   Image to Videoノードを追加し、FLUX 3を選択して、開始フレーム、または特定の画像で始まるか終わる必要がある場合は開始フレームと終了フレームを追加します。

4. 4ショットと音声を記述

   1つのカメラの動き、順序通りのアクション、そして必要な音声を記述し、5〜20秒と720pまたは1080pを設定してクレジットの合計を確認します。

5. 5モデルを比較

   一つのキャンバス上で映画を制作しながら、音響を意識したショットにはFLUXを、リファレンス重視や長いクリップにはSeedanceを、強い動きにはKlingを、洗練されたリアリズムにはVeoを使い分けることができます。

6. 6抽出、グレーディング、編集

   次のショットの始まりとなる強力な最終フレームを抽出し、FLUXクリップ、無音クリップ、音声、音楽をグレーディングしてカットし、シーケンス全体が一つの映画として読めるようにします。

優れたFLUX 3プロンプトの書き方は？

1. 1. 漠然としたアイデアではなく、ショットから始める

   フレーム内に誰がいるか、カメラがどこにあるか、何が動くか、時間とともに何が変化するか、オーディオが何を保持するか、そしてモデルが避けるべきことを明記してください。FLUX 3は依然として従うべきショットを必要としています。

2. 2. 映像と音を一緒に書く

   凍った湖のプロンプトが風、蹄の音、呼吸音で行っているように、サウンドには独自の行を与えてください。FLUX 3は映像と同じプロンプトからオーディオを生成します。

3. 3. 最初のテストはシンプルに保つ

   初期の生成では一つの被写体、一つのカメラアイデア、一つのサウンドアイデアを使用し、複雑な振り付けが必要なシーンはモデルの動作を理解してから取り組んでください。

4. 4. 静止すべきものを明記する

   モザイクのプロンプトが振り向いたり瞬きしたりしない人物で行っているように、動かしてはいけないものを動くべきものと同じくらい明確に指定し、スローショットの形を保ちます。

5. 5. カット性能で比較する

   どのクリップが最も見栄えが良いかではなく、どのクリップが最もカットしやすいかを問い、最初と最後のフレームが周囲のショットと合致し、サウンドが編集を助けているかを確認してください。

6. 6. フル尺はそれに値するショットのために取っておく

   カットアウェイ、インサート、リアクションショットは短く保ち、最も長いクリップは始まり、中盤、終わりのある安定した被写体に使用してください。AIビデオは1つのショットが1つの目的を持つときに最も優れた結果を生むことが多いためです。

優れたFLUX 3プロンプトは、以下の6つの要素をカバーします：

• カメラ：プッシュイン、ドリー、ハンドヘルド、固定、空撮、トラッキング、オービット。
• 被写体の動き：歩く、振り向く、手を伸ばす、走る、躊躇する、見上げる。
• 環境の動き：雨、煙、風、埃、群衆、炎、水。
• 音：足音、布の音、エンジンの音、雷、会話、環境音、静寂。
• タイミング：「一拍置いて」「カメラが被写体に届いたとき」「最後に」。
• 制約：テキストなし、余分なキャラクターなし、アイデンティティの保持、リアルな動き。

弱いプロンプト

A futuristic city at night.

より良いプロンプト、映像と音声付き

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.

テイクをレビューする際は、最初のフレームが前のシーンと一致しているか、最後のフレームがカットポイントを提供しているか、アクションが説明なしで理解できるか、被写体がアイデンティティを保持しているか、動きが物理的にもっともらしく感じられるかを確認してください。

FLUX 3プロンプトのテンプレートはありますか？

[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].

テンプレートの記入例

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.

FlickでFLUX 3を使用するコストはいくらですか？

• サウンドが含まれます：FlickのFLUX 3には音声スイッチがないため、価格には映像と音声の両方が含まれます。
• プラン：FLUX 3にはStandardプランが必要です。月額$20で2,500クレジットが付与されます。
• まず短い尺でテストする：ノードには実行前のクレジット合計が表示されるため、最大尺を試す前に最短の長さでプロンプトをテストしてください。

FLUX 3は他のAI動画モデルと比較してどうですか？

• リファレンス: Seedance 2.5のReference to Videoは最大30枚のリファレンス画像を使用できますが、FlickのFLUX 3は開始フレームと終了フレームを使用し、リファレンス画像は使用しません。
• キャンバスは不変です: Character Reference、プロンプトメモ、編集は1つのFlickキャンバス上に留まるため、映画はショットごとに異なるモデルを使用できます。
• 直接比較テスト: FLUX 3 vs Seedance 2.5では、両モデルを同じショットで実行しています。

FLUX 3がまだできないことは何ですか？

• 音声の演出: 私たちのクリップは、書かれた音声ラインと引用された話し言葉のラインが反映されることを示していますが、プロンプトがダイアログ、フォーリー、環境音、音楽をどれだけ正確に制御できるかは、さらなるテストが必要です。
• 同じパフォーマンスを2回: 映像制作者はパフォーマンスを保ちながら映像を再生成する必要がありますが、FLUX 3はまだその方法を提供していません。
• ショット間での声の一貫性: ネイティブサウンドが最も重要なのは、キャラクターがショットからショットへ同じ声で聞こえる場合ですが、FlickのFLUX 3は音声リファレンスを使用しません。
• リファレンス: キャラクター、衣装、ロケーションの一貫性が実際の映画で機能するかどうかを決定しますが、FlickのFLUX 3はリファレンス画像を使用しないため、開始フレームで見た目を固定してください。
• 反復のコスト: クレジットコストは生成前に表示されるため、まず短いクリップでテストしてください。
• オープンウェイト: Black Forest Labsが約束した開発者版は、長期的にはホスト版リリースよりも重要になる可能性があります。

FLUX 3でよくある間違いは何ですか？

• プロンプトで音声を無視する: FLUX 3の違いは同期サウンドなので、それを演出してください。
• 1回の生成でシーン全体を作る: 1つのクリップは1つのショットであるべきです。
• 最大長の使いすぎ: 長いクリップは、アクションが一貫性を保つときはより良く、そうでないときはより悪くなります。
• 映像だけで判断する: タイミング、サウンドデザイン、環境音、パフォーマンスを聴いてください。
• ベンダーのベンチマークを最終結果とすること: 独立した比較が重要になります。
• 連続性を忘れること: 美しいクリップでも、キャラクター、場所、シーケンスと一致する必要があります。
• 完璧な1つのモデルを待つこと: ショットごとに最適なモデルを使用し、1つのワークフローで映画を組み立てましょう。

FLUX 3 FAQ

FLUX 3とFlickのAI動画についてさらに詳しく

このガイドの映画

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