FLUX 3 Video — 主張どおりなら、ネイティブ音声つき 20 秒
審査制の早期アクセス。公開 API なし、公表料金なし、独立検証なし。
FLUX 3 Video は、2026 年 7 月 23 日に発表された Black Forest Labs の FLUX 3 ファミリーに属する動画モデルです。BFL は 5 つのモードで、1 回の生成につき 20 秒をネイティブ音声つきで出力すると主張しています。このページではその仕様と検証状況を並べて示し、承認待ちなしで同じ仕事をこなせる選択肢を紹介します。
公式動画
Black Forest Labs が示した FLUX 3 を見る
Black Forest Labs が 2026 年 7 月 23 日に公開した公式発表動画です。含まれる映像はすべて BFL がレンダリングしたもので、ImagineToVideo で生成したものは一つもなく、第三者による再現もされていません。
FLUX 3 Video の仕様 — BFL の主張と、今日動くもの
1 回の生成で 20 秒（公式主張）
Black Forest Labs は FLUX 3 Video が 1 回の生成で最長 20 秒を出力すると述べています。ただし当サイトの Seedance 2.5 はすでに 1 回で 30 秒に届くため、20 秒は記録ではありません。⚠️ ベンダーの主張であり、モデルは一般公開されていないため第三者による計測はありません。
ネイティブ音声と多言語セリフ（公式主張）
音声は後付けのアフレコではなく映像と同時に生成され、多言語セリフや画面内の出来事に合わせた音にも対応するとされています。公開された評価は 720p で実施されました。⚠️ ベンダーの主張であり、独立した再現はありません。
1 つのモデルに 5 つの生成モード（公式主張）
テキストから動画、画像から動画（アニメーション化または参照）、動画から動画、動画と音声の続き生成、キーフレームから動画に加え、尺を伸ばすための agentic chaining。すべて BFL が Self Flow と呼ぶ同一のバックボーンからとされています。⚠️ 公式の機能一覧であり、検証済みの一覧ではありません。
今日動かせるネイティブ音声つき動画
申請も順番待ちも不要です。Wan 3.0（3〜30秒、480p/720p/1080p）、Seedance 2.5（4〜30秒、480p/720p、動画から動画への変換にも対応）、Kling V3 と Kling V3 Omni（3〜15秒、720p/1080p）、VEO 3.1 と VEO 3.1 Fast（4/6/8秒、720p/1080p）、そして Seedance 2.0（4〜15秒、480p/720p/1080p）。すべてネイティブ音声付きで、ImagineToVideo ですぐにご利用いただけます。
FLUX 3 Video が狙う用途 — そして今それを実現するもの
セリフ主体の広告カット
ネイティブ音声の本命の使い方です。1 つのプロンプトで映像と声を同時に。VEO 3.1 なら今日、4・6・8 秒で対応できます。有料ソーシャル向け短尺の標準的な長さで、順番待ちもありません。
長い単一テイク
1 回の生成で 20 秒は FLUX 3 Video で最も引用される数字です（⚠️ 未検証）。Seedance 2.5 はすでに 1 回で最長 30 秒（480p/720p）、Kling V3 は 1 テイク 3〜15 秒・最大 1080p を出せるので、ワンショット案件は今日でもつなぎ合わせずに収まります。
マルチショット構成
1 回の生成を超える長さについて、BFL は agentic chaining を挙げています。Kling V3 Omni なら ImagineToVideo 上ですでに連続カットをつなぎ、同じキャラクターを保ったまま構成できます。
既存素材の作り替え
動画から動画と、動画・音声の続き生成は、どちらも FLUX 3 Video の公式モード一覧に入っています。Seedance 2.5 の動画から動画は今日稼働中です。素材・参照画像・最終フレームを渡せば最長 30 秒が返ります。
FLUX 3 Video との付き合い方
列には並びつつ、待っている間も出し続ける
まず FLUX 3 Video の早期アクセスに申請する
FLUX 3 Video は Black Forest Labs の審査制プログラムの向こう側にあります。申請を出したうえで作業は続けてください。BFL の承認が下りるまで呼び出せるエンドポイントはなく、見積もりの根拠になる公表料金もありません。
音声をプロンプトに書き込む
カット内容、セリフ、環境音を 1 つのプロンプトのまとまりとして書きます。音声をネイティブに生成する動画モデルは、今日動いているものも FLUX 3 が自称するものも、この形式で入力を読み取ります。だからモデルを乗り換えてもプロンプトはそのまま使えます。
用途に合わせてモデルを選ぶ
4・6・8 秒のセリフ主体なら VEO 3.1。カメラワークと 15 秒の長回しなら Kling V3。1 本で最長 30 秒、または既存素材の作り替えなら Seedance 2.5（動画から動画も同モデルが担当）。3 つとも /video/text-to-video の同じパネルにあります。
720p で下書き、1080p で仕上げ
安価な 720p のパスで動きと構図を固め、うまくいったテイクだけ再レンダリングします。カットが複数必要なら /video/multi-scene でつなげてください。FLUX 3 Video が開放されたら、同じプロンプトを回して横並びで比較しましょう。
FLUX 3 Video よくある質問
FLUX 3 Video とは何ですか？
FLUX 3 Video は、Black Forest Labs が 2026 年 7 月 23 日に発表した FLUX 3 ファミリーの動画生成モデルです。BFL が Self Flow と呼ぶ共通のバックボーン上で画像・音声と一緒に学習されており、音声は別工程のアフレコではなく映像と同時にネイティブ生成されると同社は述べています。
FLUX 3 の動画は何秒まで、解像度は？
Black Forest Labs は 1 回の生成で最長 20 秒とし、公開された評価は 720p で実施されたとしています。それ以外の解像度は開示されておらず、フレームレートも同様です。⚠️ どちらの数字も BFL 自身のものです。モデルは一般提供されていないため、早期アクセスの外にいる人はどちらも検証できていません。
FLUX 3 Video は本当に音声を生成しますか？
それが主張の内容です。BFL は音声が動画とともにネイティブ生成されるとし、多言語セリフや画面内の物理的な出来事に合わせた音を挙げ、動画と音声の続き生成も対応モードとしています。⚠️ BFL の外では未検証です。今日ネイティブ音声が必要なら、VEO 3.1 と Kling V3 が ImagineToVideo で順番待ちなしに対応しています。
FLUX 3 Video はどの生成モードに対応していますか？
公式の一覧は、テキストから動画、画像から動画（アニメーション化または参照として）、動画から動画、動画と音声の続き生成、キーフレーム制御のトランジション、そして 1 回の生成より長いシーケンスを組むための agentic chaining です。⚠️ これは BFL が公開した機能一覧であり、誰かが独立に動かして確かめた挙動の集合ではありません。
FLUX 3 Video は Kling、VEO、Runway、Luma と比べてどうですか？
Black Forest Labs が公表した選好勝率は、Grok に対して 69%、Kling v3 Pro に対して 60%、Runway Gen-4.5 に対して 77%、Luma Ray 3.2 に対して 93% です。⚠️ これはベンダー自身が報告した結果で、独立した盲検テストではありません。評価プロトコル、サンプル数、評価者数、プロンプト集はいずれも未公開です。FLUX 3 Video が一般提供されるまで、この比較を自分で走らせる手段はありません。
ImagineToVideo で FLUX 3 Video を使えますか？
現時点では対応していません。FLUX 3 Video は限定的なアーリーアクセス段階にあり、公開 API も料金も発表されていないため、当サービスのモデル一覧には含まれていません。公式 API と料金が公開され次第、統合を検討し、公称スペックと実際の性能をベンチマークで検証したうえで、クレジット単価を設定する予定です。時期は Black Forest Labs の動向次第のため、具体的な日程はお約束できません。Wan 3.0、Seedance 2.5、Kling V3、VEO 3.1 はネイティブ音声付きで今すぐご利用いただけます。