FLUX 3 Max 和 FLUX 3 有什么不同
做短视频，一条素材往往只要几秒到十几秒，没人愿意等很久才出片。FLUX 3 Max 的时长是 5 到 20 秒，出片又快，很适合一边试一边改，最后留下最好的一条。
FLUX 3 Max 是 fal Research 在 Black Forest Labs 的 FLUX 3 基础上做的后训练版本，目标是更贴合提示词、画面更好看、速度更快。据 fal 报告，它的推理速度比 FLUX 3 快 11 倍以上，在 Artificial Analysis 排行榜上的质量分高出 50 分（Unite.AI）。
| FLUX 3 | FLUX 3 Max | |
|---|---|---|
| 出品方 | Black Forest Labs | fal Research，基于 FLUX 3 |
| 速度 | 基准 | 据 fal 称，快 11 倍以上 |
| 图生视频质量 | 1,086 Elo | 1,138 Elo，与领先模型持平 |
| 输入 | 文字、图片、关键帧、可续写的视频片段 | 文字、图片、首尾帧、关键帧 |
| 输出 | 720p 或 1080p，Black Forest Labs 的 API 另有 2K 和 4K | 720p 或 1080p |
| 时长与声音 | 5 到 20 秒，原生音频 | 5 到 20 秒，原生音频 |
速度方面，fal 自己的基准测试里，一条 10 秒的 720p 视频大约渲染 12 秒（fal）。我们在 Morphic 上跑的带声音的 10 秒视频，包括排队时间在内，都在 30 秒内出片。
在 Morphic 上使用 FLUX 3 Max，分步讲解
在视频模型选择器里选 FLUX 3 Max
打开 Morphic，把提示栏切换到视频，选中 FLUX 3 Max。你也可以在 Copilot 的提示词里直接写出模型名，由 Copilot 帮你选。
选一个起点
可以只用文字，也可以加图片。一张图片是让这张图动起来，两张分别当首帧和尾帧，三到十张则成为钉在视频时间点上的关键帧。
按顺序写动作
先写画面里依次发生的事，再写镜头、光线和声音。后面每个小节都配了对应的视频，你可以看到提示词的每一部分长什么样。
设定时长、分辨率和画幅
时长在 5 到 20 秒之间任选，草稿用 720p，终稿用 1080p。文生视频还要选画幅：发抖音、视频号、小红书选 9:16，发 B站、YouTube 选 16:9。要声音和对白，就把音频打开。
生成、对比、微调
我们在 Morphic 上跑了两条带声音的 10 秒视频，包括排队时间，都在 30 秒内出片。同一条提示词跑两三次，留下最好的一条，改一行再跑。想找起点，可以看 FLUX 3 Max 提示词库，里面有 20 条提示词，每条都配有视频。
一个穿黄色雨衣的男孩一脚踩进城市人行道上的深水坑，水花向四周炸开，接着他抬头看向镜头，咧嘴大笑。低机位。声音：雨声，水花溅起的巨响，他开心的笑声。不要音乐，不要文字，不要标志。
怎么写 FLUX 3 Max 提示词
把镜头写成一串看得见的动作，按发生的顺序排好，再写镜头、光线和声音。FLUX 3 Max 会按顺序演出这些动作，所以提示词的最后一拍，就是视频的最后一拍。写具体的动作（“卷起卷帘门”），不要写情绪（“充满希望的早晨”）。
一位穿帆布围裙的花店店主在黎明时打开她小花店的卷帘门，双手把门卷起，提着一桶黄色郁金香走到人行道上，然后抬头看向镜头，笑了起来。镜头：从安静的街对面缓缓推近。柔和的蓝色晨光渐渐变暖。声音：卷帘门哗啦升起，清晨的鸟叫，远处的车流，水桶放在石板上的声响。不要音乐。衣着朴素，没有标志，没有招牌文字。
怎么给 FLUX 3 Max 的节拍计时
想让某个瞬间落在固定的时间点，就给每个节拍标上时间段。每个时间段只放一个主要动作，最后一段留得略长，让高潮有时间展开。
0-3s：一罐封好的蜂蜜放在阳光洒落的厨房桌上。3-6s：孩子的小手把盖子拧开。6-10s：孩子伸出手指蘸了一点尝尝，眼睛惊喜地睁大。近景，温暖的晨光。声音：盖子啵地弹开，一声小小的惊叹，开心的咯咯笑。不要音乐，不要文字，不要标签。
怎么写 FLUX 3 Max 的音效
声音和画面是一起生成的，所以绑在可见动作上的声音，会落在那个动作上。把每种声音写清楚，按听到的顺序排好。只想要现场声的话，加一句“不要音乐”。
空荡荡的学校体育馆里一场乒乓球对攻，两名球员来回快速对打，每一次击球和落点都清脆分明，最后以一记对方接不到的扣杀收尾。侧面广角镜头。声音：每一次击球和球台上的弹跳声，球鞋的摩擦声，球滚远的声音。不要音乐，不要观众，不要文字。
怎么写能对上口型的 FLUX 3 Max 对白
把原话放进引号里，并写明谁说、怎么说。一句话控制在一两个短句，才能在视频里说完。我们转写了在 Morphic 上生成的六句带引号的台词，六句都逐字吻合。
一位年长的钟表匠从工作台上抬起头，举起放大镜，温和地说：“Every watch tells you how it was treated.”近景，台灯的暖光。声音：他的说话声，周围许多时钟轻轻的滴答声。不要音乐，不要文字，不要标志。
怎么在 FLUX 3 Max 里用图片
图片让 FLUX 3 Max 有一个固定的画面，作为起点或途经点。加几张图决定了模式：一张是图生视频，两张是首尾帧，三到十张是关键帧。
FLUX 3 Max 图生视频：让一张静图动起来
图生视频从你的图片出发，保留它的取景和风格，画幅也跟着图片走。所以提示词只需要写接下来发生什么、听起来怎么样，不必再描述画面本身。
FLUX 3 Max 首尾帧
给两张静图，FLUX 3 Max 会在它们之间补出动作。两张图要出自同一个镜头，再修改第二张，这样只有该变的地方会变。提示词写的是从这一张走到那一张的过程。
清晨来到咖啡馆的桌边：黎明前的冷光渐渐变暖，金色的阳光漫过大理石桌面，服务员的手放下一杯咖啡和一个可颂，随后收回，热气升起。固定机位。声音：安静的咖啡馆渐渐苏醒，杯子放在碟子上的轻响。不要音乐。
FLUX 3 Max 关键帧：3 到 10 张静图
加三到十张静图时，每张都钉在视频中的一个时间点上：第一张在 0 秒，最后一张不晚于视频结束。把它们放在故事转折的地方，每张图里的镜头和光线保持一致，再由提示词描述把它们串起来的变化。
窗台上赤陶花盆里的向日葵生长延时：幼苗向上长高，宽大的叶片舒展开，顶端结出花苞，又绽开成一朵完整的黄色花，日光在墙上缓缓移动。固定机位。声音：轻微的室内底噪，隐约的时钟滴答声。不要音乐。
怎么做 FLUX 3 Max 的 20 秒视频
20 秒足够走完一段旅程。按顺序列出镜头经过的地标，并说明这是连续的一镜，FLUX 3 Max 就能让同一个主体贯穿全程，中间不切镜头。
一个连续的 20 秒微距镜头，跟拍一只蜜蜂从薰衣草花上起飞，低低飞过洒满阳光的乡间花园，掠过一个滴水的水龙头和一排番茄苗，最后落在木蜂箱的入口，混进其他蜜蜂中间。镜头全程紧跟在蜜蜂身后。声音：蜜蜂的嗡嗡声，鸟鸣，水龙头滴水，蜂巢的嗡鸣越来越响。不要音乐，不要文字。
FLUX 3 Max 的设置和限制
- 提供方：Morphic 通过 fal 运行 FLUX 3 Max，使用 fal 的高推理设置。它会先扩写你的提示词再渲染，对提示词的贴合度最高。
- 时长：5 到 20 之间的任意整数秒。
- 分辨率：默认 720p，也可选 1080p。fal 称 1080p 是对 720p 渲染结果的放大。
- 画幅：文生视频可选 21:9、2:1、16:9、4:3、1:1、3:4 或 9:16。图生视频和关键帧沿用你的静图画幅。
- 输入：一张静图、首尾帧，或 3 到 10 张带时间点的关键帧，格式为 PNG、JPEG 或 WebP。关键帧用来引导镜头，不会锁定每一张脸。
- 提示词：最多 5,000 个字符。
- 音频：每条视频一个开关。要声音和对白就打开，要无声视频就关掉。
- 不支持：续写或编辑已有视频，以及 2K、4K 输出。
一位穿橙色外套的徒步者独自走在傍晚辽阔天空下的狭窄雪脊上，在群山之间显得渺小，风把雪从山脊上卷起。超宽屏固定广角镜头。声音：风声，靴子踩在雪上的嘎吱声。不要音乐，不要文字，不要标志。
常见问题
可以。在视频模型选择器里选 FLUX 3 Max，或者在 Copilot 里直接点名，Morphic 的所有付费方案都能用。本指南里的每条视频，都是用 FLUX 3 Max 在 Morphic 上，根据旁边展示的提示词的英文原文生成的。
可以。文生视频的画幅可以选 9:16，发抖音、视频号、小红书的竖版就选它，发 B站、YouTube 选 16:9。图生视频和关键帧的画幅跟着静图走，所以想要竖版成片，就用竖版的静图。时长在 5 到 20 秒之间任选，声音可以随时开关。
把镜头写成按发生顺序排列的可见动作，再写镜头、光线和声音。FLUX 3 Max 会按顺序演出这些动作，所以提示词要结束在你希望视频结束的那一刻，比如一个看向镜头的眼神，或一句台词。
一次生成可以是 5 到 20 秒之间的任意整数秒。20 秒足够拍一个连续的长镜头，经过好几个地点或节拍，前提是你按顺序把它们列出来。
可以。把台词写进引号，并说明谁来说，比如：他抬起头说：“Every watch tells you how it was treated.”这句话会和场景里的其他声音一起生成，口型对得上。每条视频的台词控制在一两个短句。
加 3 到 10 张静图，每张钉在一个时间点上：第一张在 0 秒，最后一张不晚于视频结束。FLUX 3 Max 会生成一个连续的镜头，依次经过每一帧。只有两张静图时，它们就是首帧和尾帧。
做文生视频和图生视频，它更贴合提示词，速度也快好几倍。但有些事 FLUX 3 仍然能做、Max 做不了：续写已有的视频，以及在 Black Forest Labs 自家的 API 上输出 2K 或 4K。