Multimodal

Flux 3

por Black Forest Labs

O world model da Black Forest Labs para imagem, vídeo e áudio, com som que acompanha a ação.

Flux 3

Principais recursos

A glassblower shaping glowing molten glass, sparks driftingTeste agora

Especificações técnicas

5–20s

Segundos inteiros em uma única passada, ou duração automática de acordo com o prompt

720p / 1080p

HD por padrão, Full HD com upscaling

T2V·I2V·V2V

Texto, imagem e quadros-chave, ou continuação de um clipe existente

Nativo

Áudio sincronizado gerado com cada clipe, ativado por padrão

Casos de uso

Vídeo com som em uma só passada

Um prompt já devolve o clipe com o áudio junto, então um efeito ou uma fala nasce sincronizado à ação, em vez de ser adicionado depois.

Sequências com vários planos

Monte diferentes ângulos em uma única geração, ou estenda um clipe pela continuação, mantendo o mesmo personagem em cada corte.

Filme de produto e de marca

Materiais, peso e reflexos permanecem fiéis conforme a câmera se move, então o produto de um anúncio parece filmado, não simulado.

Vídeo localizado

Diálogo multilíngue e texto preciso na tela deixam uma cena sair em português e em outros idiomas, sem uma nova dublagem ou um novo título separado.

Transições coreografadas

Fixe as poses e composições que um plano precisa cruzar, e o modelo constrói o movimento entre elas como uma única tomada contínua.

Vídeos explicativos com física real

Gravidade, colisões e movimento seguem regras reais, então um conteúdo de ciência ou de como algo funciona fica preciso e continua limpo.

Exemplos de prompts

Clipe fiel à física

Clipe fiel à física

Uma caneca de cerâmica escorrega da bancada de mármore e se estilhaça no chão, os cacos se espalham, som de impacto seco em sincronia

Edit prompt
Sequência com vários planos

Sequência com vários planos

O mesmo entregador de jaqueta vermelha: um plano atravessando uma feira, o outro chegando a uma porta iluminada ao entardecer

Edit prompt
Cartela de título localizada

Cartela de título localizada

Still de marca de café brasileiro, vapor subindo de uma xícara recém-servida, título na tela com os dizeres 'Torrado na hora' em tipografia nítida e marcante

Edit prompt
De filmadora a cinematográfico

De filmadora a cinematográfico

Imagem de filmadora de mão em uma festa de aniversário, depois a mesma cena como um plano aberto cinematográfico e quente, com som ambiente

Edit prompt
Continuação de clipe

Continuação de clipe

Ela se afasta da janela e sai para a rua chuvosa de Tóquio à noite, a câmera acompanha sem cortes

Edit prompt
Produto de estúdio

Produto de estúdio

Tênis de vanguarda girando sobre um pedestal de titânio, luz principal dura, reflexos de metal precisos, leve zumbido mecânico

Edit prompt

Visão geral

O Flux 3 é o modelo multimodal fundamental da Black Forest Labs, anunciado em 23 de julho de 2026, com a geração de vídeo liberada para todos em 4 de agosto de 2026. Ele aprende em conjunto a partir de imagens, vídeo e áudio dentro de uma única arquitetura. Assim, um só modelo renderiza um plano em movimento e o som que pertence a ele, mantendo uma noção coerente de como o mundo parece, se move e soa.

O que o Flux 3 faz de diferente

A maioria dos geradores trata cada modalidade como um problema separado. O Flux 3 trata imagem, vídeo e áudio como evidências sobre uma mesma realidade de fundo. O modelo foi treinado com a abordagem Self-Flow da Black Forest Labs, que usou mais de 95% de todo o poder de treinamento em previsão de vídeo. O ganho aparece como consistência física: o som combina com o impacto, o movimento obedece à massa, e um personagem mantém sua identidade de um plano para o outro. Essa mesma compreensão de mundo é o que permite estender a base à previsão de ação para robótica, já testada em tarefas reais de produção na Audi pela parceria FLUX-mimic.

O que já foi lançado, e o que ainda não

O Flux 3 Video é a parte disponível para todos: texto para vídeo, imagem para vídeo com quadros-chave e continuação de um clipe existente, tudo com até 20 segundos e áudio sincronizado. A Black Forest Labs também anunciou o Flux 3 Image para geração e edição de imagem, o Flux 3 Action para robótica, uma versão de pesos abertos chamada Flux 3 Dev, além de edição de vídeo e referências combinadas de imagem, vídeo e áudio. Por enquanto, isso tudo está no roteiro, e não na sua tela.

O Flux 3 no Morphic

O Flux 3 roda no Morphic ao lado de modelos de vídeo como Veo, Kling, Seedance e Vidu, além de toda a família Flux para imagem. Dá para mandar um mesmo prompt para dois modelos na mesma Canvas, seja para fechar um anúncio, um Reels ou um vídeo para YouTube. Essa é a forma mais rápida de descobrir se o Flux 3 é a escolha certa para um plano específico, em vez de confiar só no que um gráfico de lançamento promete.

Preços simples

Comece grátis hoje mesmo, com a opção de fazer upgrade ou cancelar quando quiser.

Basic

$9/ mês
cobrado como $0 por ano

1100 mensal créditos

1 apenas usuário

Todos os modelos

Workflows

Standard

$24/ mês
cobrado como $0 por ano

3625 mensal créditos

1 apenas usuário

Todos os modelos

Workflows

Pro

$45/ mês
cobrado como $0 por ano

6350 compartilhado mensal créditos

1 usuário

+ até 4 mais com custo adicional

Todos os modelos

Workflows

Pro Max

$170/ mês
cobrado como $0 por ano

24650 compartilhado mensal créditos

1 usuário

+ até 9 mais com custo adicional

Todos os modelos

Workflows

Enterprise

Para limites maiores

Personalizado

termos de preços e cobrança

Créditos de alto volume
Limites de vagas personalizados
Todos os modelos
Workflows
Pricing Gradient

Free

Para experimentar

$0

grátis para sempre

Até 20 créditos
apenas 1 usuário
Modelos limitados
Workflows
Comparar detalhes dos planos

Perguntas frequentes

O que é o Flux 3?
O Flux 3 é o modelo multimodal fundamental da Black Forest Labs, anunciado em 23 de julho de 2026. Ele aprende em conjunto a partir de imagens, vídeo e áudio em uma única arquitetura, então um só modelo gera vídeo com áudio sincronizado e mantém uma noção coerente de como o mundo real parece, se move e soa. A geração de vídeo ficou disponível para todos em 4 de agosto de 2026.
O Flux 3 é um modelo de imagem ou de vídeo?
É um só modelo multimodal, e o vídeo é a parte que já foi lançada. A Black Forest Labs usou mais de 95% de todo o poder de treinamento em previsão de vídeo, e o Flux 3 Video já está disponível para todos. O Flux 3 Image, o Flux 3 Action para robótica e uma versão de pesos abertos, o Flux 3 Dev, foram anunciados e ainda estão a caminho.
Quanto tempo duram os vídeos do Flux 3?
O Flux 3 gera de 5 a 20 segundos em uma única passada, em segundos inteiros, ou escolhe uma duração de acordo com o prompt. Para peças mais longas, a continuação estende um clipe a partir dos últimos quadros, e uma mesma geração pode encadear vários planos e ângulos de câmera com cortes secos entre eles.
O Flux 3 gera áudio?
Sim, e isso vem ativado por padrão. Cada clipe já sai com áudio sincronizado na mesma passada, então efeitos, ambientação e diálogo já nascem ligados ao que acontece na tela. O som segue eventos físicos, então um impacto combina com a batida. Também dá para desligar o áudio e gerar um clipe mudo.
Quais modos de vídeo o Flux 3 suporta?
Três. Texto para vídeo funciona só com um prompt. Imagem para vídeo parte de imagens estáticas, seja como o primeiro quadro ou como até dez quadros-chave fixados em pontos da linha do tempo. A continuação de vídeo estende um clipe existente a partir dos últimos quadros. Edição de vídeo e referências combinadas de imagem, vídeo e áudio foram anunciadas como próximos passos.
Que resolução e proporções de tela o Flux 3 suporta?
O Flux 3 renderiza em HD 720p por padrão, com Full HD 1080p disponível por meio de upscaling. Sete proporções são suportadas: 21:9, 2:1, 16:9, 4:3, 1:1, 3:4 e 9:16, então um só modelo cobre desde um quadro cinemascope até um corte vertical para celular.
Qual é a diferença entre o Flux 3 e o Flux 2?
O Flux 2 Pro é um modelo de imagem. O Flux 3 é um modelo multimodal fundamental que soma vídeo com áudio sincronizado, movimento que segue a física real e uma única representação compartilhada entre imagem, vídeo e áudio. É o primeiro modelo de vídeo da Black Forest Labs, já que a linha Flux 2 tinha foco em imagens estáticas.
O Flux 3 é bom, comparado a outros modelos de vídeo?
Na própria avaliação da Black Forest Labs com avaliadores humanos no lançamento, o Flux 3 liderou em texto para vídeo contra todos os modelos testados, e empatou com o Seedance 2.0 enquanto superava o restante em imagem para vídeo. Esses são resultados internos da desenvolvedora, então vale tratá-los como um sinal forte, e não como um benchmark independente.
O Flux 3 é código aberto?
Ainda não. A Black Forest Labs disse que vai lançar o Flux 3 Dev, uma base multimodal de pesos abertos cobrindo imagem, vídeo, áudio e previsão de ação. O lançamento de pesos abertos está previsto para vir depois do rollout da API e dos pesos privados, então os pesos abertos foram anunciados, mas ainda não estão disponíveis.
O Flux 3 funciona pelo celular?
Sim. No Morphic, você abre a Canvas pelo navegador do celular, descreve o plano com uma linha sobre como ele deve soar e gera o clipe direto na tela, sem precisar instalar nada.
Como uso o Flux 3 no Morphic?
O Flux 3 já roda no Morphic. Abra a Canvas, descreva o plano com uma linha sobre como ele deve soar e gere. Como o Morphic roda o Flux 3 ao lado de modelos como Veo, Kling e Seedance, dá para mandar o mesmo prompt para dois deles e ficar com a tomada que sair melhor.

Mais sobre o Flux 3

Flux 3: guia completo, recursos, prompts e vídeo com áudio nativo

O guia completo do Flux 3: os quatro formatos de prompt, o esquema CASTLE, direção de áudio, keyframes e continuação de clipe.

Outros modelos

ChatGPT Images 2.5

OpenAI

Detalhe mais nítido e edição que não bagunça o resto do quadro. O modelo de imagem da OpenAI, de setembro de 2026.

Lyria 3.5

Google DeepMind

O melhor modelo de música do Google. Músicas inteiras, com voz e letra.

MiniMax H3 Max Turbo

fal.ai

O nível rápido do H3 da fal. O dobro da velocidade, quase igual.

Inworld TTS 2

Inworld

Noventa e cinco vozes, 100+ idiomas. A fala começa em menos de um segundo.