Multimodal

Flux 3

par Black Forest Labs

Le modèle du monde de Black Forest Labs pour l’image, la vidéo et l’audio : un son qui colle enfin à l’action.

Flux 3

Fonctionnalités clés

Un souffleur façonne du verre en fusion, étincelles au volEssayer maintenant

Spécifications techniques

5–20 s

En secondes entières en une seule passe, ou durée automatique selon le prompt

720p / 1080p

HD par défaut, Full HD via l’upscaling

T2V·I2V·V2V

Texte, image et images clés, ou poursuite d’un clip existant

Natif

Audio synchronisé généré avec chaque clip, activé par défaut

Cas d'utilisation

Vidéo et son en une seule passe

Un prompt renvoie un clip et son audio ensemble. Un effet ou une réplique est déjà calé sur l’action, sans passe de post-production.

Séquences multi-plans

Enchaînez plusieurs angles en une génération, ou prolongez un clip par poursuite. Un même personnage reste reconnaissable sur chaque coupe.

Film produit et de marque

Matières, poids et reflets restent fidèles quand la caméra bouge. Un produit se lit comme filmé, jamais comme simulé.

Vidéo localisée

Un dialogue multilingue et un texte à l’écran fidèle permettent de sortir une même scène en plusieurs langues, sans repasse de titrage ni de voix.

Transitions chorégraphiées

Épinglez les poses et les cadrages qu’un plan doit traverser. Le modèle construit le mouvement entre chaque repère comme un seul plan continu.

Explications avec une vraie physique

Gravité, collisions et mouvement suivent des règles réelles. Une vidéo scientifique ou pédagogique reste juste tout en restant soignée.

Exemples de prompts

Clip fidèle à la physique

Clip fidèle à la physique

Une tasse en céramique glisse d’un plan de travail en marbre et se brise au sol, les éclats se dispersent, un bruit d’impact net en synchronisation

Edit prompt
Séquence multi-plans

Séquence multi-plans

Même coursier en veste rouge : un plan où il se faufile dans un marché, le suivant où il arrive devant une porte éclairée au crépuscule

Edit prompt
Carton-titre localisé

Carton-titre localisé

Plan phare d’une marque de café, la vapeur monte d’un service tout juste tiré, le titre à l’écran affiche « Freshly Roasted » en gras net

Edit prompt
Du caméscope au cinéma

Du caméscope au cinéma

Images de caméscope à l’épaule lors d’un anniversaire, puis la même scène reprise en plan large chaleureux et cinématographique, avec l’ambiance de la pièce

Edit prompt
Poursuite de clip

Poursuite de clip

Elle se détourne de la fenêtre et sort dans une rue de Tokyo baignée de pluie, la caméra la suit sans coupe

Edit prompt
Produit en studio

Produit en studio

Sneaker avant-gardiste qui tourne sur un socle en titane, lumière clé dure, reflets métalliques fidèles, léger ronronnement mécanique

Edit prompt

Tarifs simples

Commencez gratuitement dès aujourd'hui, avec la possibilité de mettre à niveau ou d'annuler à tout moment.

Basic

$9/ mois
facturé comme $0 par an

900 mensuel crédits

1 utilisateur uniquement

Tous les modèles

Workflows

Standard

$24/ mois
facturé comme $0 par an

3200 mensuel crédits

1 utilisateur uniquement

Tous les modèles

Workflows

Pro

$45/ mois
facturé comme $0 par an

6200 partagé mensuel crédits

1 utilisateur

+ jusqu'à 4 plus à un coût supplémentaire

Tous les modèles

Workflows

Pro Max

$170/ mois
facturé comme $0 par an

24000 partagé mensuel crédits

1 utilisateur

+ jusqu'à 9 plus à un coût supplémentaire

Tous les modèles

Workflows

Enterprise

Pour des limites plus élevées

Personnalisé

conditions de tarification et de facturation

Crédits à haut volume
Limites de sièges personnalisées
Tous les modèles
Workflows
Pricing Gradient

Free

Pour expérimenter

$0

gratuit pour toujours

Jusqu'à 20 crédits
1 utilisateur uniquement
Modèles limités
Workflows
Comparer les détails des plans

Questions fréquentes

Qu’est-ce que Flux 3 ?
Flux 3 est le modèle du monde multimodal de Black Forest Labs, annoncé le 23 juillet 2026. Il apprend conjointement à partir d’images, de vidéo et d’audio dans une seule architecture unifiée. Un même modèle peut donc générer une vidéo avec un son synchronisé, tout en gardant une compréhension cohérente de l’aspect, du mouvement et du son du monde réel. La génération vidéo est passée en disponibilité générale le 4 août 2026.
Flux 3 est-il un modèle d’image ou un modèle vidéo ?
C’est un seul modèle multimodal, et la vidéo est la partie déjà lancée. Black Forest Labs a consacré plus de 95 % de son calcul d’entraînement total à la prédiction vidéo, et Flux 3 Video est en disponibilité générale dès maintenant. Flux 3 Image, Flux 3 Action pour la robotique et une version Flux 3 Dev à poids ouverts sont annoncés et arrivent progressivement.
Quelle est la durée des vidéos Flux 3 ?
Flux 3 génère de 5 à 20 secondes en une seule passe, en secondes entières, ou il peut choisir une durée adaptée au prompt. Pour des formats plus longs, la poursuite prolonge un clip depuis ses dernières images, et une même génération peut enchaîner plusieurs plans et angles de caméra avec des coupes franches entre eux.
Flux 3 génère-t-il de l’audio ?
Oui, et c’est activé par défaut. Chaque clip est généré avec un audio synchronisé dans la même passe, si bien qu’effets, ambiance et dialogue sont déjà liés à ce qui se passe à l’écran. Le son suit les événements physiques : un impact colle au choc. Il reste possible de couper l’audio pour obtenir un clip muet.
Quels modes vidéo Flux 3 prend-il en charge ?
Trois modes. Le texte vers vidéo fonctionne à partir d’un simple prompt. L’image vers vidéo part de visuels fixes, en image d’ouverture ou en jusqu’à dix images clés épinglées à des instants précis. La poursuite de vidéo prolonge un clip existant depuis ses dernières images. L’édition vidéo et les références combinées d’image, de vidéo et d’audio sont annoncées pour la suite.
Flux 3 gère-t-il le texte et le dialogue en français ?
Le rendu multilingue fait partie des capacités annoncées pour Flux 3 : la parole et le texte à l’écran s’affichent avec précision dans plusieurs langues, français compris, avec un lip-sync qui suit les mots prononcés. Une même scène peut ainsi porter un titre ou une réplique en français sans passe de doublage séparée.
Quelle résolution et quels formats d’image Flux 3 prend-il en charge ?
Flux 3 rend en HD 720p par défaut, avec du Full HD 1080p disponible via l’upscaling. Sept formats sont pris en charge : 21:9, 2:1, 16:9, 4:3, 1:1, 3:4 et 9:16, si bien qu’un seul modèle couvre aussi bien un cadre cinémascope qu’un format vertical pour mobile.
En quoi Flux 3 diffère-t-il de Flux 2 ?
Flux 2 Pro est un modèle d’image. Flux 3 est un modèle du monde multimodal qui ajoute la vidéo à audio natif, un mouvement qui suit une vraie physique et une seule représentation partagée entre image, vidéo et audio. C’est le premier modèle vidéo de Black Forest Labs, là où la lignée Flux 2 se concentrait sur les images fixes.
Flux 3 est-il meilleur que les autres modèles vidéo ?
Dans l’évaluation humaine interne de Black Forest Labs au lancement, Flux 3 arrivait en tête en texte vers vidéo face à tous les modèles testés, et faisait jeu égal avec Seedance 2.0 tout en devançant le reste en image vers vidéo. Ce sont des résultats internes à l’éditeur : à prendre comme un signal fort plutôt que comme un benchmark indépendant.
Flux 3 est-il open source ?
Pas encore. Black Forest Labs a annoncé la publication de Flux 3 Dev, un socle multimodal à poids ouverts couvrant l’image, la vidéo, l’audio et la prédiction d’action. Cette sortie à poids ouverts est prévue après le déploiement de l’API et des modèles à poids privés : elle est donc annoncée plutôt que disponible aujourd’hui.
Comment utiliser Flux 3 sur Morphic ?
Flux 3 tourne dès aujourd’hui sur Morphic. Ouvrez le Canvas, décrivez le plan en ajoutant une ligne sur le son attendu, puis générez. Morphic fait tourner Flux 3 aux côtés de modèles comme Veo, Kling et Seedance : vous pouvez envoyer le même prompt à deux d’entre eux et garder la prise qui rend le mieux.

En savoir plus sur Flux 3

Flux 3 : guide complet, fonctionnalités, prompts et vidéo à audio natif

Le guide complet de Flux 3 : les quatre formats de prompt, le schéma CASTLE, la direction audio, les images clés et la suite de clip.

Autres modèles

Grok Imagine Image 2.0

xAI

Le modèle d'image de précision de xAI. Typographie de designer, retouche ciblée, Smart Resize.

Seedance 2.5

ByteDance

Le modèle vidéo nouvelle génération de ByteDance. Jusqu’à 30 s en 1080p natif, 50 références, audio natif.

Kling 4.0

Kling

Prochain modèle phare Kling de Kuaishou, attendu bientôt. Clips plus longs, plus de détail.

MiniMax H3

MiniMax

Le modèle vidéo multimodal de MiniMax. 2K, audio stéréo natif, clips jusqu'à 15 s.