FLUX 3 Max と FLUX 3 の違い
SNS 投稿用の縦型ショート動画は、何本も試して1本を選ぶ作業になりがちです。FLUX 3 Max は、プロンプトへの忠実さと速さを上げて作られたモデルです。
FLUX 3 Max は、Black Forest Labs の FLUX 3 に、fal Research が追加学習（ポストトレーニング）を施したモデルです。狙いは、プロンプトへの忠実さ、映像の見映え、速さの3点です。fal によると、推論は11倍以上速くなり、Artificial Analysis のリーダーボードでは、品質が FLUX 3 より50ポイント上がりました（Unite.AI）。
| FLUX 3 | FLUX 3 Max | |
|---|---|---|
| 開発元 | Black Forest Labs | fal Research（FLUX 3 をもとに開発） |
| 速度 | 基準 | fal によると11倍以上 |
| 画像から動画の品質 | 1,086 Elo | 1,138 Elo、上位モデルと同水準 |
| 入力 | テキスト、画像、キーフレーム、続きを作る元のクリップ | テキスト、画像、最初と最後のフレーム、キーフレーム |
| 出力 | 720p または 1080p。Black Forest Labs の API では 2K と 4K も | 720p または 1080p |
| 長さと音 | 5〜20秒、音声つき | 5〜20秒、音声つき |
速さの目安です。fal 自身のベンチマークでは、10秒の720pクリップの描画に約12秒かかります（fal）。Morphic で作った音声つきの10秒クリップは、待ち時間を含めて30秒以内に戻りました。
Morphic で FLUX 3 Max を使う手順
動画モデルの一覧から FLUX 3 Max を選ぶ
Morphic を開き、プロンプトバーを動画に切り替えて、FLUX 3 Max を選びます。Copilot へのプロンプトにモデル名を書けば、Copilot が選んでくれます。
出発点を選ぶ
テキストだけでも始められ、静止画を足すこともできます。1枚ならその画像を動かし、2枚なら最初と最後のフレームになります。3〜10枚なら、クリップ内の時刻に置くキーフレームになります。
動作を起きる順に書く
起きることを順番どおりに書き、そのあとにカメラ、光、音を足します。プロンプトの各パートは、作られたクリップと一緒に、下で紹介します。
長さ、解像度、アスペクト比を決める
長さは5〜20秒から選びます。解像度は、下書きなら720p、仕上げなら1080pです。テキストから動画を作るときは、アスペクト比も選びます。SNS 向けの縦型なら 9:16 です。音や台詞がほしいときは、音声をオンにします。
生成して、比べて、直す
Morphic では、音声つきの10秒クリップ2本が、待ち時間を含めてそれぞれ30秒以内に戻りました。同じプロンプトを2、3回流して最良のテイクを選び、1行だけ変えて、もう一度流します。出発点には、FLUX 3 Max のプロンプト集の20本が使えます。どれも動画つきです。
黄色いレインコートの男の子が、街の歩道にある深い水たまりに飛び込みます。水が四方に弾け、男の子は満面の笑みでカメラを見上げます。ローアングル。音：雨、大きな水しぶき、うれしそうな笑い声。音楽、文字、ロゴはなし。
FLUX 3 Max のプロンプトの書き方
目に見えることを、起きる順に並べて書きます。そのあとに、カメラ、光、音を足します。FLUX 3 Max は動作を順に再生するので、プロンプトの最後の動作が、クリップの最後の場面になります。「希望に満ちた朝」のような気分ではなく、「シャッターを巻き上げる」のような具体的な動作を書いてください。
帆布のエプロンをつけた花屋の女性が、夜明けの小さな花屋のシャッターの鍵を開け、両手で巻き上げます。黄色いチューリップを入れた亜鉛のバケツを歩道へ運び、カメラを見上げて笑います。カメラ：静かな通りの向こうから、ゆっくり寄っていく。光：青い夜明けの光が、次第に暖かくなる。音：シャッターが巻き上がる音、早起きの鳥、遠くの車の音、石畳にバケツを置く音。音楽はなし。服装は普通のもので、ロゴや看板の文字はなし。
FLUX 3 Max で動作のタイミングを決める
ある瞬間を決まった位置で起こしたいときは、動作ごとに時間の範囲を与えます。1つの範囲には主な動作を1つだけ入れます。最後の範囲は少し長めにして、見せ場の余裕を残します。
0-3s: 日の差し込む台所のテーブルに、封をしたはちみつの瓶が置かれている。 3-6s: 子どもの小さな手が、ふたをひねって開ける。 6-10s: 子どもが指をつけてなめ、うれしさに目を見開く。 接写、朝の暖かい光。音：ふたが開くポンという音、小さく息をのむ声、うれしそうなくすくす笑い。音楽、文字、ラベルはなし。
FLUX 3 Max の効果音の書き方
音は映像と一緒に生成されます。見える動作に結びつけた音は、その動作の瞬間に鳴ります。聞こえる順に、音を1つずつ具体的に書いてください。シーンの音だけにしたいときは、「音楽なし」を足します。
人のいない学校の体育館での卓球のラリー。二人の選手が速いショットを打ち合い、バウンドの音はどれもくっきり響きます。最後は、片方の選手が返せないスマッシュで終わります。横からの引きの画面。音：ラケットが球を打つ音、台でのバウンド、運動靴のきしみ、転がっていくボール。音楽、観客、文字はなし。
FLUX 3 Max で口の動きが合う台詞の書き方
言わせたい言葉をそのまま引用符に入れ、誰がどんな調子で言うかを添えます。台詞は短い1〜2文にして、クリップの中で言い終わるようにします。Morphic で生成した引用つきの6本を文字起こしして確かめたところ、6本とも一語一句そのとおりに返ってきました。
このガイドの台詞は、英語の例だけです。日本語の台詞は扱っていないので、使うときは、まず短いクリップで試してください。
年配の時計職人が作業台から顔を上げ、ルーペを持ち上げて、穏やかに次の台詞を言います。「Every watch tells you how it was treated.」クローズアップ、机のランプの暖かい光。音：彼の声と、周りに並ぶたくさんの時計が時を刻む小さな音。音楽、文字、ロゴはなし。
FLUX 3 Max で画像を使う
静止画を渡すと、FLUX 3 Max は、決まった見た目を出発点にするか、その見た目を保ったまま動かします。入れる枚数でモードが決まります。1枚なら画像から動画、2枚なら最初と最後のフレーム、3〜10枚ならキーフレームです。
FLUX 3 Max の画像から動画：静止画を動かす
画像から動画は、渡した静止画から始まります。構図と見た目はそのまま保たれ、アスペクト比も静止画に従います。そのため、プロンプトには、このあと何が起きるかと、どんな音が鳴るかだけを書けば足ります。絵の説明をもう一度書く必要はありません。
男性は手を止め、網を両手でぴんと張ってから、顔を上げ、カメラの外にいる誰かにうなずきます。その背後を、小さな船がエンジン音を立てて通り過ぎます。音：カモメ、石に打ち寄せる水、小さな船外機が通る音。音楽はなし。
FLUX 3 Max の最初と最後のフレーム
静止画を2枚渡すと、FLUX 3 Max がその間の動きを作ります。2枚とも同じショットから作り、2枚目だけを編集すると、変わるべきところだけが変わります。プロンプトには、1枚目から2枚目へどう移るかを書きます。
カフェのテーブルに朝が訪れます。夜明け前の冷たい光が暖まり、金色の日差しが大理石の上に広がります。ウェイターの手がコーヒーとクロワッサンを置き、湯気が立ちのぼる中で引いていきます。固定カメラ。音：静かなカフェが目を覚ます気配、ソーサーにカップを置く音。音楽はなし。
FLUX 3 Max のキーフレーム：3〜10枚の静止画
3〜10枚の静止画を渡すと、それぞれがクリップ内の時刻に置かれます。最初の1枚は0秒、最後の1枚はクリップの長さ以内です。場面が変わる位置に間隔を空けてください。どの静止画でもカメラと光をそろえ、それらをつなぐ変化をプロンプトに書きます。
窓辺のテラコッタの鉢でひまわりが育っていくタイムラプス。苗が伸び、広い葉が開き、てっぺんにつぼみができて、黄色い大輪の花になります。昼の光が壁の上をゆっくり移ります。固定カメラ。音：部屋の静かな空気音、かすかな時計の音。音楽はなし。
FLUX 3 Max で20秒の動画を作る
20秒あれば、道のりを1本で見せられます。カメラが通る目印を順に並べ、ひと続きのショットだと書いてください。FLUX 3 Max は、カットを入れずに、1つの被写体を最後まで追います。
ミツバチを追う、20秒ひと続きのマクロショット。ミツバチはラベンダーの花から飛び立ち、日の当たるコテージの庭を低く飛びます。水の滴る蛇口とトマトの列を過ぎ、木の巣箱の入口で、ほかのミツバチたちに混じって降り立ちます。カメラはその間ずっと、ミツバチのすぐ後ろを追います。音：羽音、鳥のさえずり、蛇口から落ちる水滴、次第に大きくなる巣のうなり。音楽、文字はなし。
FLUX 3 Max の設定と制限
- プロバイダー：Morphic は FLUX 3 Max を fal 経由で、fal の high reasoning 設定で動かしています。この設定は、描画の前にプロンプトを膨らませ、指示に最も忠実に従います。
- 長さ：5〜20秒の範囲で、1秒刻みです。
- 解像度：既定は720pで、1080pも選べます。fal は1080pを、720pの描画を拡大したものと説明しています。
- アスペクト比：テキストから動画では、21:9、2:1、16:9、4:3、1:1、3:4、9:16から選べます。縦型のショート動画には 9:16 を使います。画像から動画とキーフレームは、渡した静止画に従います。
- 入力：静止画1枚、最初と最後のフレーム、または時刻つきのキーフレーム3〜10枚。形式は PNG、JPEG、WebP です。キーフレームはショットを導くもので、すべての顔を固定するものではありません。
- プロンプト：最大5,000文字。
- 音声：クリップごとのスイッチです。音と台詞がほしいときはオン、無音にしたいときはオフにします。
- 非対応：既存のクリップの続きの生成や編集、2K・4K出力。
オレンジ色のジャケットを着たハイカーが一人、夕暮れの広い空の下、雪の細い尾根を歩きます。山々の中では小さく見え、風が稜線の雪を舞い上げます。ウルトラワイドの固定の引き。音：風、雪を踏みしめるブーツの音。音楽、文字、ロゴはなし。
よくある質問
はい。動画モデルの一覧から FLUX 3 Max を選ぶか、Copilot にモデル名を伝えてください。Morphic のどの有料プランでも使えます。このガイドの動画はすべて、載せたプロンプトの英語の原文から、Morphic の FLUX 3 Max で作りました。
商用利用の可否は、モデルと提供元ごとの利用規約で決まります。このガイドでは判断できないため、公開前に fal と Morphic の最新の規約でご確認ください。指示に実在の人物、他社のキャラクターやロゴ、既存の曲を入れないことも、公開前の確認の一部です。
見えることを、起きる順に書きます。そのあとにカメラ、光、音を足します。FLUX 3 Max は動作を順に再生するので、クリップの最後にしたい場面で、プロンプトも終えてください。たとえば、カメラを見る場面や台詞です。
はい。言わせたい言葉を引用符に入れ、誰が言うかを書きます。例：彼は顔を上げて、「Every watch tells you how it was treated.」と言う。台詞は、シーンのほかの音と一緒に、口の動きが合って返ってきます。1クリップにつき、短い1〜2文に収めてください。日本語の台詞は、このガイドでは扱っていません。
静止画を3〜10枚渡し、それぞれに時刻を割り当てます。最初の1枚は0秒、最後の1枚はクリップの長さ以内です。FLUX 3 Max は、各フレームを通るひと続きのショットを作ります。静止画がちょうど2枚のときは、最初と最後のフレームとして働きます。
動作と音が決まるまでは、既定の720pで下書きをします。公開用の版を作るときに1080pへ切り替えてください。fal は1080pを720pの描画の拡大だと説明しています。720pになかった細部が加わるのではなく、仕上がりがくっきりします。
テキストと画像からの動画では、プロンプトにより忠実で、数倍速く動きます。FLUX 3 にしかできない作業もあります。既存のクリップの続きを作ることと、Black Forest Labs 自身の API での 2K・4K 出力です。