FLUX 3 Video —— 20 秒带原生音频，如果那些主张站得住的话
受审批的早期访问。无公开 API，无公布定价，无独立实测。
FLUX 3 Video 是 Black Forest Labs 于 2026 年 7 月 23 日官宣的 FLUX 3 系列中的视频模型。BFL 主张它能在五种模式下单次生成 20 秒并原生带音频。本页把这些规格与它们各自的验证状态并列摆出，同时告诉你今天有什么能在不排队的情况下把同样的活干了。
官方视频
看一下：Black Forest Labs 展示的 FLUX 3
Black Forest Labs 于 2026 年 7 月 23 日发布的官方公告视频。片中每一段画面都由 BFL 渲染——没有任何一段是在 ImagineToVideo 上生成的，也没有任何一段被第三方复现过。
FLUX 3 Video 规格 —— BFL 主张了什么 vs 今天在跑什么
单次生成 20 秒片段（官方主张）
Black Forest Labs 称 FLUX 3 Video 单次生成最长 20 秒。而 Seedance 2.5 在本站单次已经能到 30 秒，所以 20 秒并不是纪录。⚠️ 厂商主张；模型尚未公开发布，没有任何第三方测量过。
原生音频与多语种对白（官方主张）
音频与画面一同生成，而不是事后配音，并支持多语种对白、声音与画面事件对齐。公布的评测在 720p 下进行。⚠️ 厂商主张，未经独立复现。
一个模型五种生成模式（官方主张）
文生视频、图生视频（动画化或作为参考）、视频转视频、视频与音频续写、关键帧生成视频，外加用于延长时长的 agentic chaining——全部出自 BFL 称为 Self Flow 的同一套主干。⚠️ 这是官方能力清单，不是已验证清单。
今天就能跑的原生音频视频
无需申请，无需排队：Wan 3.0（3–30 秒，480p/720p/1080p）、Seedance 2.5（4–30 秒，480p/720p，支持视频转视频）、Kling V3 与 Kling V3 Omni（3–15 秒，720p/1080p）、VEO 3.1 与 VEO 3.1 Fast（4/6/8 秒，720p/1080p），以及 Seedance 2.0（4–15 秒，480p/720p/1080p）。全部支持原生音频，均已在 ImagineToVideo 上线。
FLUX 3 Video 瞄准什么 —— 以及今天什么能交付
对白类广告片
原生音频最核心的用法：一条提示词，画面与人声一起出。VEO 3.1 今天就能做到，时长 4、6 或 8 秒——付费社媒短片的标准长度，且无需候补名单。
更长的单镜头
单次生成 20 秒是 FLUX 3 Video 被引用最多的数字（⚠️ 未实测）。而 Seedance 2.5 单次已经能跑到 30 秒（480p/720p），Kling V3 则提供每条 3–15 秒、最高 1080p——单镜需求今天就能覆盖，不必拼接。
多镜头序列
对于超过单次生成长度的内容，BFL 给出的答案是 agentic chaining。而 Kling V3 Omni 已经能在 ImagineToVideo 上串接连续镜头，并让同一个角色贯穿其中。
改造已有素材
视频转视频与视频音频续写都在 FLUX 3 Video 的官方模式清单里。而 Seedance 2.5 的视频转视频今天就在跑——传入素材、参考图或末帧，最长拿回 30 秒。
怎么对待 FLUX 3 Video
去排队，同时手上的片子照常出
先申请 FLUX 3 Video 早期访问
FLUX 3 Video 卡在 Black Forest Labs 的申请审批计划之后。提交申请，然后继续手上的活——在 BFL 批准之前没有可调用的端点，也没有可用于做预算的公布定价。
把音频写进提示词
把镜头描述、台词和环境音写在同一段提示词里。所有原生音频视频模型都是这么读输入的——今天在跑的这些是，FLUX 3 自称的那种也是——所以换模型后这条提示词依然有效。
按活儿选模型
4、6、8 秒的人物对白：选 VEO 3.1。镜头运动与 15 秒单镜：选 Kling V3。单条最长 30 秒，或改造已有素材：选 Seedance 2.5——视频转视频也由它承担。三者都在 /video/text-to-video 的同一个面板里。
720p 出草稿，1080p 出终稿
先用便宜的 720p 锁定运动与构图，再只把成立的那一条重渲。需要多个镜头就去 /video/multi-scene 串接。等 FLUX 3 Video 开放后，把同一条提示词重跑一遍做并排对比。
FLUX 3 Video 常见问题
FLUX 3 Video 是什么？
FLUX 3 Video 是 Black Forest Labs 于 2026 年 7 月 23 日官宣的 FLUX 3 系列中的视频生成模型。它与图像、音频在同一套主干上联合训练，该方法 BFL 称为 Self Flow；BFL 表示它把音频与画面一起原生生成，而不是作为单独的配音环节。
FLUX 3 视频能做多长？分辨率是多少？
Black Forest Labs 称单次生成最长 20 秒，公布的评测在 720p 下进行。其他分辨率没有披露，帧率同样没有披露。⚠️ 这两个数字都出自 BFL 自己——模型尚未公开可用，因此早期访问计划之外没有人能验证其中任何一项。
FLUX 3 Video 真的能生成声音吗？
这是官方的说法。BFL 称音频与视频一同原生生成，包括多语种对白，以及与画面内物理事件对齐的声音，并把视频与音频续写列为支持的模式。⚠️ 在 BFL 之外未经测试。如果你今天就需要原生音频，VEO 3.1 与 Kling V3 已经能在 ImagineToVideo 上做到，无需候补名单。
FLUX 3 Video 支持哪些生成模式？
官方清单是：文生视频、图生视频（作为动画化或作为参考）、视频转视频、视频与音频续写、关键帧控制的转场，外加用 agentic chaining 拼出超过单次生成长度的序列。⚠️ 这是 BFL 公布的能力清单，不是任何人已独立跑通的行为集合。
FLUX 3 Video 和 Kling、VEO、Runway、Luma 比如何？
Black Forest Labs 公布的偏好胜率是：对 Grok 69%、对 Kling v3 Pro 60%、对 Runway Gen-4.5 77%、对 Luma Ray 3.2 93%。⚠️ 这是厂商自评结果，不是独立盲测——评测协议、样本量、评分人数与提示词集都未公布。在 FLUX 3 Video 正式开放之前，你无法自己跑这个对比。
我能在 ImagineToVideo 上用 FLUX 3 Video 吗？
目前还不行。FLUX 3 Video 仍处于限量抢先体验阶段，既没有公开 API，也没有公布定价，因此尚未加入我们的模型库。待官方 API 和定价公开后，我们计划评估接入，对照宣传参数实测其真实表现，再确定所需积分。具体时间取决于 Black Forest Labs，因此我们暂不承诺上线日期。Wan 3.0、Seedance 2.5、Kling V3 和 VEO 3.1 现已可用，并支持原生音频。