FLUX 3 Max：在 Models and API 上的文字轉影片、圖片轉影片及關鍵影格轉影片 | RunComfy

為什麼選擇 FLUX 3 Max#

FLUX 3 Max 是對 Black Forest Labs 的 FLUX 3 視頻基礎進行的後期訓練。額外的工作目標是更清晰的畫面、更連貫的動作，以及更貼近提示的表現，而且等待時間比基礎模型更短。這就是 FLUX 3 Max 的公開目標。

在人工分析視頻競技場上的初步影像轉視頻排行榜中，報告了 Elo 1,139，共有 4,868 票。公開的說明指出這些置信區間與排行榜頂部的其他模型重疊，因此將結果視為共享的頂級。相同排行榜上的原始 FLUX 3 得分為 1,089，相差 50 點。

一個已發表的 10 秒片段的計時檢查列出了這次通過所需的 10.95 秒、在相同報告的 Elo 下 Seedance 2.5 所需的 277.80 秒，以及 FLUX 3 所需的 126.44 秒。這些數據是「大約 22 倍」和「大約 11.5 倍」比較的來源。第一次已發表的 FLUX 3 Max 發布日期是 2026 年 10 月 19 日，同一說明還提到進一步的訓練仍在進行中。

優勢	你得到的東西
更接近提示的跟隨	FLUX 3 Max 被訓練成比基礎 FLUX 3 通道更緊密地抓住主體、攝影機和聲音提示。
較短的已發佈等待	10 秒檢查在 10.95 秒內完成，而 FLUX 3 則為 126.44 秒。
三種方式進入	FLUX 3 Max 可以撰寫場景，從一張圖片開始加上一個可選的最後幀，或釘上最多十個關鍵幀。
同一檔案中的聲音	音訊預設為開啟。當你想要靜音畫面時，請將其關閉。

FLUX 3 Max 上的文字轉影片僅從提示開始，且 auto 構圖使用 16:9。圖像轉影片從靜態圖像開始，且 auto 構圖遵循該靜態圖像。關鍵幀轉影片將 1 到 10 PNG、JPEG 或 WebP 圖像放置在 24 fps 時間軸上。 在 24 fps 時間軸上的位置。索引必須唯一，且不得超過影片時長（秒）× 24。

在 RunComfy 這一頁是圖片開始。僅文字頁和多關鍵幀頁使用相同的 FLUX 3 Max 權重，但輸入不同。

最佳使用案例#

• 書面場景： 當你有簡報但沒有靜態圖像時，打開文字轉視頻頁面。FLUX 3 Max 可以根據該簡報起草廣告、建立鏡頭以及短篇故事節奏。
• 鎖定的開場: 當一張照片、插圖或生成的靜態圖像應該作為第一幀時，請使用此圖像轉影片頁面。
• 已知結尾： 當 FLUX 3 Max 應該將最後一幀停留在第二個靜態畫面時，添加可選的結尾圖片。
• 分鏡節拍: 當多個時刻必須對齊到選定的幀號時，請使用關鍵幀頁面。FLUX 3 Max 最多可接受十個這樣的錨點。
• 以聲音為主的場景： 開啟音頻並命名你想要的聲音，從房間背景音到特定台詞。

當同一個工作以劇本、靜態影像或分鏡開始時，團隊會重複使用一個 FLUX 3 Max 設置。

運作方式#

1. 在 RunComfy 上打開 FLUX 3 Max。此頁面從圖片開始。使用文字轉影片頁面可獲得僅有提示的影片片段，或使用關鍵影格頁面獲得多個定時靜態畫面。
2. 在 PNG、JPEG 或 WebP 上傳起始圖像。保持主體大且光線均勻。
3. 寫下在那個畫格之後 FLUX 3 Max 發生的變化：一次鏡頭移動、按照順序的動作，以及聲音。
4. 只有在片段應該以第二個靜態畫面結束時才添加結尾圖片。否則保持空白。
5. 將持續時間設定從 5 到 20 秒。FLUX 3 Max 的預設值是 5。在探索時選擇 720p，然後為長期保存選擇 1080p。
6. 當多個細節都必須出現時，保留在 high 上推理。當你想要更快的通過時，切換到 low。
7. 保持音訊開啟或關閉。如需新的嘗試請將種子留空，或在希望更接近的重複時設定它。
8. 檢視影片剪輯，然後將相同的圖片、提示和設定發送給 FLUX 3 Max 至 HTTP API。

參數#

這些控制屬於 FLUX 3 Max 的圖像到視頻流程。文字到視頻頁面會刪除這兩個圖像欄位。關鍵幀頁面會用最多十個幀索引圖像來取代它們。

參數	必填	類型	預設	範圍 / 選項	描述
image_url*	是 (*)	string	仍然的例子	PNG, JPEG, WebP 網址	在此頁面上為 FLUX 3 Max 開始框架。
prompt*	是 (*)	string	範例行	文字	片段在起始幀之後應如何移動。
end_image_url	否	string	空	PNG, JPEG, WebP 網址	FLUX 3 Max 的可選最後一幀。
duration	否	integer	5	5-20	長度（以秒為單位）。
resolution	否	string	720p	720p, 1080p	在 FLUX 3 Max 上的輸出解析度。720p 是預設值。
reasoning_level	否	string	high	low, high	high 在提示詞上花的時間更長。
aspect_ratio	否	string	auto	auto, 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16	auto 從這裡開始圖像。在純文字的 FLUX 3 Max 請求中，auto 使用 16:9。
generate_audio	否	boolean	true	true, false	將音訊軌與影片一起建立。
seed	否	integer	空	整數或空	Empty 意味著在 FLUX 3 Max 上使用隨機種子。

價格#

計費依生成片段的長度及所選分辨率而定。文字、影像及關鍵影格頁面的費率相同 FLUX 3 Max。

解析度	評價
720p	$0.05 每秒
1080p	$0.08 每秒

時長	720p	1080p
5 s	$0.25	$0.40
10 s	$0.50	$0.80
20 s	$1.00	$1.60

起始幀、結束幀或關鍵幀靜態圖像沒有單獨的每張圖像費用。FLUX 3 Max 上最短的標準收費是 720p 秒的 5 文件。

提示與參考技巧#

• 單一鏡頭移動： 指一個緩慢的推進或固定畫面。FLUX 3 Max 只有當你給它自己的動詞時，才會跟隨第二個動作。
• 行動順序： 使用「然後」來寫出節拍，這樣一個五秒的片段仍然有開始、中間和結尾。
• 指向靜態畫面： 圖像已經顯示了主題。告訴 FLUX 3 Max 該主題接下來會做什麼。
• 次要動作： 給場景一些小動作，例如窗簾、蒸氣或移動的陰影。
• 命名聲音：列出幾個特定噪音。FLUX 3 Max 通常在音訊未明確時保持安靜。
• 仍然配合結尾： 如果你設置了一個結尾圖像，請描述連接這兩個畫面的動作。
• 多個定格畫面： 切換到關鍵影格頁面。FLUX 3 Max 希望每張圖片都有一個獨特的影格索引。
• 使用 720p 製作初稿： 確認動作，然後在 1080p 重新執行相同的提示。

FLUX 3 Max 與其他模型的比較#

基於公開報導的初步評估。以下長度限制是已發布的輸入範圍，而非評分排名。

模型	輸入	長度	突出
FLUX 3 Max	文字、一張圖片加上一個可選的結尾畫面，或最多 10 個關鍵影格	5-20 秒	圖像轉影片 Elo 1,139 於引用的初步板；發佈 10 秒的 10.95 秒時間
FLUX 3	文字、圖像、關鍵幀和擴展通道在不同頁面上	最多 20 秒；某些模式也提供 auto 長度	較早的基礎。報告的影像到影片 Elo 1,089 和在相同 10 秒檢查上的 126.44 秒時間
Seedance 2.5	多模態影片生成	取決於該模型自身的設定	在引用的比較中報告了相同的 Elo，對於一個 10 秒的片段，277.80 秒的計時

當您需要延長影片模式或 auto 時長時，請使用 FLUX 3。當您想要較晚的訓練模式和較短的發佈等待時間時，請使用 FLUX 3 Max。此版本不提供延長或 auto 長度。