FLUX 3 Video: 네이티브 오디오 기반 멀티모달 영상 생성을 모델 및 API로 제공 | RunComfy

Black Forest Labs / FLUX 3 Video#

FLUX 3는 이미지, 영상, 오디오를 함께 학습해 움직임과 소리를 같은 기반에서 이해하는 Black Forest Labs의 차세대 통합 모델입니다. 이 페이지에서는 영상 기능에 초점을 맞춰, 실제 제작 환경에서 FLUX 3 Video를 사용하는 경험을 미리 소개합니다.

참고: FLUX 3 Video는 곧 출시될 예정입니다. Black Forest Labs가 공개 모델과 API를 마무리하는 동안 이 페이지에서 예정된 사용 경험을 미리 확인할 수 있습니다.

FLUX 3 Video 주요 특징#

크리에이터가 FLUX 3 Video를 선택하는 이유는 다음과 같습니다.

• 편집 프로그램 작업 축소: 글로 작성한 제작 지시가 타임라인 편집, 더빙, 수작업 후처리를 대신합니다.
• 샷을 연출하듯 지시: 카메라 각도, 분위기, 속도감을 모두 텍스트로 지정합니다.
• 영상과 소리를 한 번에 생성: 별도 더빙 과정 없이 모든 영상에 동기화된 네이티브 오디오를 넣습니다.
• 실제 결과물에 맞춘 출력: 테스트 영상에 그치지 않고 광고, 프리비즈, 소셜 미디어 게재용 결과물을 목표로 합니다.

FLUX 3 Video 한눈에 보기#

FLUX 3 Video가 제공하는 기능을 간단히 정리하면 다음과 같습니다.

• 영상 길이: 한 번에 최대 20초를 생성합니다. 일반적인 영상 모델의 10초 제한보다 약 두 배 길며, 여러 샷을 이어 몇 분 길이의 시퀀스로 확장할 여지도 있습니다.
• 오디오: 영상과 함께 생성되는 동기화된 네이티브 사운드입니다. 무음 영상이 필요하면 끌 수 있습니다.
• 입력: 텍스트 프롬프트와 이미지, 영상, 오디오 참조 자료(이미지는 최대 약 10장)를 함께 사용할 수 있습니다. 처음부터 생성하는 것만큼 편집과 리믹스에도 유연합니다.
• 해상도: 얼리 액세스 단계에서는 720p이며, 모델이 발전하면서 더 높은 해상도를 지원할 것으로 예상됩니다.
• 화면비: 소셜 미디어, 영화, 제품 영상에 맞춰 세로형 9:16부터 초광각 21:9까지 폭넓게 지원합니다.
• 스타일: 자연스러운 캠코더 촬영, 애니메이션, 세련된 시네마틱 표현을 하나의 모델로 구현합니다.
• 상태: 현재 제한적 얼리 액세스 단계이며 RunComfy에는 곧 출시될 예정입니다.

FLUX 3 Video 핵심 기능#

Black Forest Labs는 FLUX 3 Video를 여러 생성 모드를 제공하고 모든 결과에 네이티브 오디오를 포함할 수 있는 하나의 멀티모달 모델로 설명합니다. 공식적으로 확인된 작업은 다음과 같습니다.

• 텍스트 투 비디오: 텍스트 프롬프트만으로 음성이 포함된 최대 20초 영상을 생성합니다.
• 이미지 투 비디오: 시작 프레임을 움직이거나, 제공한 이미지를 시각적 참조로 활용해 움직임을 설계합니다.
• 비디오 투 비디오: 원본 영상의 핵심 요소, 예를 들어 같은 캐릭터나 물체를 새로운 장면이나 상황으로 옮깁니다.
• 영상과 오디오 이어 만들기: 처음부터 다시 만들지 않고 입력 영상과 사운드트랙을 연장합니다.
• 키프레임 투 비디오: 주요 순간을 지정하면 그 사이를 의도에 맞는 전환으로 채웁니다.

이러한 모드 외에도 FLUX 3 Video는 다음 기능을 제공합니다.

• 대사에 맞춰 입 모양이 움직이는 다국어 대화.
• 캐릭터의 일관성을 유지하면서 여러 영상을 연결해 몇 분 길이의 시퀀스를 만드는 에이전트 기반 멀티샷 연결.
• 자연스러운 캠코더 촬영부터 애니메이션, 시네마틱 표현까지 아우르는 폭넓은 스타일과 화면비.
• 프레임 안에 직접 표현되는 선명한 타이포그래피와 모션 디자인.
• 현실에 기반한 표현: Black Forest Labs는 FLUX 3 Video가 풍부한 표정과 화면 속 물리적 사건에 맞는 소리 표현에서 이미 뛰어난 성능을 보인다고 설명합니다.

FLUX 3 Video의 네이티브 오디오와 현실에 기반한 움직임#

FLUX 3 Video가 돋보이는 이유는 영상과 소리를 나중에 붙이는 것이 아니라 처음부터 함께 설계한다는 점입니다. 한 번의 생성으로 동작에 맞춘 대사, 폴리 사운드, 환경음, 음악을 만들 수 있습니다. 문이 닫히는 순간 충격음이 나고, 경고등의 점멸에 맞춰 알람이 울리며, 카메라가 움직이는 같은 샷 안에서 인물이 말하도록 연출할 수 있습니다.

이러한 동기화는 모델의 학습 방식에서 비롯됩니다. Black Forest Labs에 따르면 영상 예측이 FLUX 3 학습 연산량의 95% 이상을 차지했습니다. 이 과정에서 모델은 접촉, 움직임, 무게, 인과관계, 즉 현실 세계가 실제로 작동하는 방식을 학습해야 했습니다. 오디오는 이 월드 모델의 결과로 학습되므로 화면 속 사건과 그 사건에서 발생하는 소리가 맞아떨어지고, 말소리가 입 움직임을 따라갑니다. 크리에이터 입장에서는 움직임이 물리적으로 자연스럽게 보이고, 사운드트랙이 편집을 방해하는 대신 영상의 설득력을 높여 준다는 뜻입니다.

FLUX 3 Video 프롬프트 및 참조 자료 작성 팁#

미리보기 단계에서도 예측 가능한 결과를 얻으려면 다음 요령을 활용하세요.

• 카메라와 움직임을 구체적으로 지정합니다(미디엄 클로즈업, 느린 줌인, 핸드헬드 또는 고정 촬영 등).
• 변하지 않아야 하는 요소(얼굴, 의상, 로고)는 이미지로, 변화해야 하는 요소(동작, 분위기)는 텍스트로 지정합니다.
• 참조 영상과 오디오는 2～15초 이내로 준비하고, 참조 오디오는 15 MB 미만으로 제한합니다.
• 오디오를 켤 때는 원하는 대사의 어조나 환경음도 구체적으로 적습니다.
• 반복 작업 중에는 시드를 고정해, 무작위 변화가 아니라 프롬프트 수정이 결과에 반영되도록 합니다.
• 결과가 산만하거나 지시가 서로 충돌해 보이면 프롬프트를 간결하게 줄입니다.

FLUX 3 Video와 다른 모델 비교#

FLUX 3 Video는 아직 얼리 액세스 단계이므로, 현재 가장 명확한 근거는 오디오가 포함된 10초 720p 영상을 사용한 Black Forest Labs의 예비 평가입니다. 이 일대일 비교에서 평가자들이 FLUX 3를 선택한 비율은 Luma Ray 3.2 대비 93%, Runway Gen-4.5 대비 77%, Grok Imagine Video 대비 최대 69%, Kling v3 Pro 대비 60%, Seedance 2.0 및 Gemini Omni Flash 대비 각각 52%였습니다. 초기 수치라 앞으로 달라질 수 있지만, 아래 비교를 단순한 기대가 아닌 현재 확인된 기능을 바탕으로 이해하는 기준이 됩니다.

FLUX 3 Video vs FLUX.2#

• 정지 이미지에서 움직임으로: FLUX.2를 포함한 이전 FLUX 모델은 모두 정지 이미지만 생성합니다. FLUX 3는 처음으로 영상과 동기화된 오디오를 같은 기반에 통합해, FLUX의 참조 처리, 프롬프트 준수, 타이포그래피 강점을 영상으로 확장합니다.
• 이어지는 강점: 캐릭터, 제품, 로고를 안정적으로 유지해 FLUX 이미지 모델을 신뢰할 수 있게 만든 특성을 FLUX 3 Video가 전체 샷으로 확장합니다.
• 새로운 영역: 움직임, 시간적 안정성, 박자에 맞는 오디오는 이미지 중심 연구소에 새로운 과제이며, 이를 검증하기 위해 얼리 액세스 기간이 마련되었습니다.

FLUX 3 Video vs Seedance 2.0#

• 평가 결과: Black Forest Labs의 초기 테스트에서 Seedance 2.0과 비교한 사례 중 52%가 FLUX 3를 선호했습니다. 성숙하고 검증된 멀티모달 영상 모델과 사실상 비슷한 수준입니다.
• 기능: Seedance 2.0은 한 번의 요청에 텍스트, 이미지, 영상, 오디오를 결합해 네이티브 동기화 멀티트랙 오디오가 포함된 약 15초 길이의 멀티샷 영상을 480p～4K로 출력하고, 편집과 연장도 지원합니다. FLUX 3 Video도 같은 멀티모달 목표를 지향하며, Black Forest Labs에 따르면 특히 풍부한 표정, 물리적 사건에 맞는 소리, 다국어 대화에 강점이 있습니다.
• 선택 기준: 지금 바로 결과물을 제작해야 한다면 검증된 Seedance 2.0이 적합합니다. 공개 출시가 다가오는 FLUX 3 Video는 앞으로 주목할 모델입니다.

FLUX 3 Video vs Kling, Runway, Luma#

• 평가 결과: Black Forest Labs의 초기 비교에서 FLUX 3는 Kling v3 Pro 대비 60%, Runway Gen-4.5 대비 77%, Luma Ray 3.2 대비 93%의 선호도를 기록했습니다.
• 차이가 나는 이유: 이 격차는 FLUX 3 Video가 내세우는 강점과 맞닿아 있습니다. 풍부한 표정, 화면 속 물리적 사건과 동기화된 오디오, 다국어 대화, 일관된 멀티샷 연결 같은 세부 요소가 짧은 영상을 시험 출력이 아닌 완성품처럼 보이게 합니다.

FLUX 3 Video 얼리 액세스에서 기대할 점#

FLUX 3 Video는 아직 제한적 얼리 액세스 단계인 모델의 미리보기이므로 다음과 같이 기대 수준을 설정하는 것이 좋습니다.

• 현재 강한 부분: 길고 일관된 영상, 대사 중심의 극적인 장면, 네이티브 동기화 오디오는 초기 실사용 테스트에서 좋은 완성도를 보입니다.
• 계속 개선되는 부분: 초기 빌드에서는 이미지 투 비디오의 참조 충실도가 고르지 않을 수 있으며, 매우 빠르고 강도 높은 액션은 아직 움직임에 특화된 경쟁 모델만큼 역동적이지 않을 수 있습니다.
• 단계적 출시: 해상도는 약 720p에서 시작해 더 높은 해상도로 확장될 예정이며, 가격과 오픈 웨이트는 Black Forest Labs의 공식 확인을 기다리고 있습니다.

FLUX 3 Video는 모델이 나아갈 방향을 먼저 보여 주는 제품입니다. 정식 출시로 향하는 동안 기능과 제한은 계속 달라질 수 있습니다.

FLUX 3 Video 에디션과 FLUX 3 AI 제품군#

Black Forest Labs는 FLUX 3 AI를 여러 에디션으로 구성된 하나의 멀티모달 기반으로 출시합니다. 각 에디션은 자체 얼리 액세스 기간을 거쳐 단계적으로 공개될 예정입니다. 공식 출시 계획은 다음과 같습니다.

• FLUX 3 Video: API와 비공개 웨이트 접근을 통해 영상 및 오디오 생성·편집을 제공합니다. 이 페이지에서 소개하는 에디션입니다.
• FLUX 3 Image: 이미지 생성과 편집을 API와 비공개 웨이트 접근 방식으로 제공합니다.
• FLUX 3 Action(FLUX-mimic): mimic robotics 등의 파트너와 함께 개발한 로보틱스용 행동 예측 모델이며, 이미 Audi 생산 라인에서 테스트되었습니다.
• FLUX 3 Dev: 이미지, 영상, 오디오 생성과 행동 예측을 아우르는 오픈 웨이트 멀티모달 백본입니다. 모델을 직접 실행하고 목적에 맞게 조정하려는 팀을 위한 에디션입니다.

Black Forest Labs는 오픈 웨이트 공개 계획도 확인했습니다. FLUX 3 Dev 백본이 제공되면, 이전 FLUX 버전에서 대규모 LoRA 생태계가 성장했던 것처럼 반복해서 등장하는 캐릭터, 스타일, 브랜드 룩을 위한 FLUX 3 dev LoRA 파인튜닝을 포함한 커뮤니티 FLUX 3 LoRA 워크플로가 자연스럽게 등장할 것으로 예상됩니다.

대부분의 팀에서는 FLUX 3 Video가 일상적인 영상 제작을 담당하고, FLUX 3 Dev와 FLUX 3 dev LoRA가 셀프 호스팅 맞춤화의 가능성을 열어 줍니다.

FLUX 3 Video 공식 자료#

• Black Forest Labs

요약하면, FLUX 3 Video는 곧 RunComfy에 출시될 예정입니다. 프롬프트와 참조 자료를 바탕으로 동기화된 네이티브 오디오가 포함된 시네마틱 영상을 만드는 통합 멀티모달 기반입니다.