Cosa sa fare FLUX 3 Video: 8 clip con prompt e risultati

👁 113 letture

Cosa sa fare davvero FLUX 3 Video, il modello video di Black Forest Labs al 6° posto nella classifica di Artificial Analysis? Ho generato 8 clip per vari casi d’uso - da uno spot parlato a una scritta su lavagna, fino all’animazione di un’immagine fissa - e per ciascuno riporto il prompt completo, i parametri, il costo e l’analisi di cosa ha funzionato e cosa no. In coda aggiungo sei materiali dimostrativi del produttore con funzioni che non ho testato direttamente. Prezzi, benchmark e istruzioni si trovano nella guida a FLUX 3 Video.

1. Spot per attività locale con voce in camera

Applicazione: breve video promozionale per social per una panetteria, caffetteria o bottega, con un attore che parla direttamente verso l’obiettivo.

Prompt utilizzato nel test (in inglese con battuta in polacco):

Breve spot televisivo per una panetteria polacca. Mezzo busto di una fornaia cinquantenne sorridente in un piccolo panificio illuminato dal sole, mentre porge verso la telecamera una pagnotta fresca di pane di segale. Dice chiaramente in polacco (tradotto dall'originale polacco): "Pane a lievitazione naturale, sfornato oggi alle cinque del mattino". Dietro di lei, scaffali pieni di pane e una finestra che dà su una strada tranquilla. Audio: la sua voce, il leggero scricchiolio della crosta, strada tranquilla all'esterno, nessuna musica. Luce calda e realistica, niente sottotitoli, nessun testo sullo schermo.

Traduzione del testo pronunciato: «Pane a lievitazione naturale, sfornato oggi alle cinque del mattino».

Commento: Whisper ha trascritto il parlato fedelmente rispetto al prompt. La fornaia solleva la pagnotta verso la camera, gli scaffali sono colmi e oltre la finestra si vede la strada tranquilla.

2. Parlato complesso: test dello scioglilingua

Applicazione: verifica della capacità del modello di gestire dialoghi e fonemi complessi (abbiamo eseguito il test in polacco con un celebre scioglilingua ricco di consonanti).

Prompt utilizzato nel test:

Primo piano di una donna sui trent'anni seduta al tavolo della cucina, che guarda dritto verso la telecamera. Dice in modo chiaro e calmo in polacco (tradotto dall'originale polacco): "A Szczebrzeszyn il coleottero ronza nella canna, e io pago trentadue unità dell'originaria valuta polacca". Luce diurna naturale proveniente da una finestra, telecamera fissa, realistico, niente sottotitoli, nessun testo sullo schermo, nessuna musica.

Traduzione della battuta testata:«A Szczebrzeszyn il coleottero ronza tra le canne, e io pago trentadue unità dell’originaria valuta polacca» (traduzione dall’originale polacco).

Commento: Whisper ha trascritto la frase senza alcun errore nei termini. Per confronto, Seedance 2.5 sulla stessa scena sbagliava una parola su due (WER 0,583), mentre Wan 3.0 aveva ottenuto 7,5/10. L’intera frase rientra agevolmente nei 5 secondi di clip.

3. Testo nel fotogramma: lavagna scolastica

Applicazione: insegne, cartelli, etichette e nomi di prodotto da rendere leggibili nel video.

Prompt (originale impiegato per il test con caratteri diacritici):

Primo piano di una lavagna scolastica verde in un'aula illuminata dal sole. Una mano finisce di scrivere con un gesso bianco. La lavagna mostra chiaramente esattamente due righe di testo a lettere maiuscole (tradotto dall'originale polacco): prima riga "ARENA VIDEO 2026", seconda riga "BARCA GIALLA". Telecamera fissa, realistico, polvere di gesso nella luce, nessun altro testo.

Adattamento del prompt per riferimento:«Primo piano di una lavagna scolastica verde… La mano completa la scrittura. La lavagna mostra chiaramente due righe di testo in maiuscolo (tradotto dall’originale polacco): prima riga “ARENA VIDEO 2026”, seconda riga “BARCA GIALLA”…».

Commento: impeccabile. La mano finisce di tracciare l’ultima lettera e le due righe corrispondono fedelmente al testo richiesto, inclusi accenti e segni complessi. In precedenza solo Wan 3.0 e MiniMax H3 Max avevano gestito bene questi caratteri. Seedance 2.5 aveva distorto il testo, mentre Kling 3.0 e Veo 3.1 Lite hanno fatto peggio.

4. Movimento di camera: orbita attorno a una moto

Applicazione: rotazione a 360 o 180 gradi intorno al prodotto, inquadrature di veicoli o arredamento.

A smooth 180-degree camera orbit around a vintage red motorcycle parked on a wet cobblestone street in an old European town at blue hour. The camera circles steadily from the front of the motorcycle to its back at a constant speed. Street lamps reflect in the puddles, light drizzle. The motorcycle keeps its exact shape and details. Realistic cinematic footage, real-time motion, no text, no logos.

Commento: la camera compie un mezzo giro costante dalla parte anteriore a quella posteriore; la moto mantiene intatte le proporzioni di serbatoio, cromature e fari. I lampioni si riflettono sul selciato bagnato. Unico neo: la pioggerella è quasi impercettibile. Voto 8,5/10, al livello di Wan 3.0 e Kling 3.0.

5. Fisica: acqua versata fino al trabocco

Applicazione: spot per bevande, scene di cucina, gestione dei fluidi.

Static close-up on a wooden kitchen table in daylight. Water is poured from a glass pitcher into an empty clear drinking glass. The stream splashes, bubbles rise, the water level rises steadily until the glass overflows and water spills onto the table and spreads into a puddle. Real-time speed, no slow motion, realistic physics, no text.

Commento: l’intera sequenza rispetta l’ordine corretto: bicchiere vuoto, bolle, livello dell’acqua che sale, trabocco e pozza sul tavolo. In precedenza c’era riuscito solo Wan 3.0. Verso la fine il flusso esterno scorre lungo il vetro con una consistenza leggermente gelatinosa: da qui il punteggio di 8,5 anziché 9.

6. Packshot con audio: macchina da caffè

Applicazione: spot pubblicitario con sound design (ASMR, suoni meccanici).

Cinematic product commercial. Close-up of a matte black espresso machine on a marble kitchen counter at sunrise. Hot espresso streams into a small white cup, steam rises through a beam of golden light, the camera slowly pushes in. Sound: the hiss of the machine, liquid pouring, saucer, soft ambient morning birds. Realistic, shallow depth of field, no text, no logos.

Commento: la resa visiva è da spot: marmo, luce radente mattutina, vapore, crema nella tazzina e lento carrello in avanti. L’audio invece è riuscito a metà: la traccia contiene solo cinguettii e ronzii di fondo, mancando il sibilo della macchina e il flusso del caffè richiesti nel prompt. Il volume è anche piuttosto basso (media di -38,6 dB). Per uno spot simile è preferibile inserire il sound design in fase di montaggio.

7. Animare una foto: interno di un bar

Applicazione: visualizzazioni di interni per architetti e locali, trasformazione di immagini fisse in video.

Immagine di partenza: rendering del locale generato nel mio test di visualizzazione d’interni con FLUX 3 Image.

The camera slowly dollies forward through the cafe toward the curved terracotta counter. The barista behind the counter grinds coffee, a customer walks past the counter, the woman at the left table lifts her cup and laughs with her friend. The pendant lamps hang still. Sound: cafe ambience, a coffee grinder, soft chatter, cups clinking. Realistic, natural motion, no text.

Commento: avanzamento fluido verso il bancone, un cliente attraversa il campo, dietro al bancone compare il barista al macinino, mentre piastrelle, lampadari e piante dell’immagine originale rimangono coerenti. Con l’opzione aspect ratio su “auto” il modello ha ritagliato a 1088×800 perdendo parte di soffitto e bordi: per mantenere l’inquadratura completa conviene impostare le proporzioni manualmente. Il confronto sulla stessa immagine con Seedance 2.5 è nell’articolo FLUX 3 vs Wan 3.0 vs Seedance 2.5.

8. Stesso personaggio su due inquadrature

Applicazione: narrazione breve, spot con protagonista continuo, cortometraggi AI.

Two shots separated by one hard cut. Shot 1: wide shot of a young woman with short red hair, round black glasses, a yellow raincoat and a black backpack walking along a rainy city street at night with neon reflections on the wet pavement. Hard cut. Shot 2: close-up of the same woman with the same short red hair, the same round black glasses and the same yellow raincoat as she stops under a shop awning and looks up at the rain. Realistic, cinematic, no text.

Commento: lo stacco netto avviene nel punto preciso richiesto; nel primo piano ritroviamo capelli rossi corti, occhiali tondi neri, impermeabile giallo e zaino. Nel totale iniziale la protagonista cammina di spalle, nascondendo volto e occhiali (un elemento che facilita il modello). Luci al neon e asfalto bagnato sono resi molto bene.

Dalle demo del produttore: funzioni non testate direttamente

I video seguenti provengono dal post di Black Forest Labs del 4 agosto 2026 e sono riprodotti direttamente dai server del produttore. Non sono mie clip e BFL non ha reso noti i prompt completi.

Keyframe: da stanza vuota a salotto arredato

La modalità che interpola primo e ultimo fotogramma è utilissima nel design di interni: fornendo il prima e il dopo, il modello elabora la transizione. Su fal.ai costa circa 0,076 EUR/s (0,085 USD/s), la stessa tariffa del video standard.

Estensione del filmato: l’alce davanti all’auto

Il modello acquisisce fino a 4 secondi di video esistente con audio e genera il seguito conservando la traiettoria della camera. È la modalità più onerosa: circa 0,37 EUR/s (0,41 USD/s) in 720p presso BFL.

Inquadrature multiple in una sola sequenza

Dialogo d’epoca

Conoscenza del mondo reale: Friburgo in poche parole

BFL sottolinea che il modello combina la conoscenza acquisita durante l’addestramento con un radicamento contestuale utile per documentari e contenuti divulgativi.

Bozza contro rendering completo

La bozza preserva inquadratura e movimento, consentendo di valutare diverse varianti per poi rifinire unicamente quella scelta. Su fal.ai la modalità bozza costa circa 0,027 EUR/s (0,03 USD/s).

Conclusioni

• Punti di forza: resa del parlato e precisione estrema del testo nel fotogramma, stabilità della fisica e coerenza del soggetto tra le inquadrature.
• Aspetti da migliorare: sound design contestuale (nello spot del caffè mancavano i rumori meccanici) e fedeltà su dettagli minori del prompt (pioggia sottile, crop automatico delle proporzioni).
• Costo: circa 0,76 EUR (0,85 USD) per 5 secondi su OpenRouter, circa 0,38 EUR (0,425 USD) su fal.ai. Più costoso di Wan 3.0 in 480p, ma con output nativo a 720p.

Confronto con altri modelli: FLUX 3 Video vs Wan 3.0 vs Seedance 2.5. Lo script impiegato per generare le clip è illustrato nella guida all’uso di FLUX 3 tramite API.

// continua a leggereGPT-6 Astra vs Claude Opus 5.5: 9 test, risultati e costiBenchmarkTest modelli AI settembre 2026: 7 modelli, 4 compiti, risultatiBenchmarkImage to video AI: da foto a video senza perdere il voltoMagazine