Qué puede hacer FLUX 3 Video: 8 clips con prompts y resultados

👁 119 lecturas

¿Qué puede hacer realmente FLUX 3 Video, el modelo de vídeo de Black Forest Labs situado en el sexto puesto del ranking de Artificial Analysis? He generado con él 8 clips para distintos casos de uso -desde un anuncio comercial o texto en pantalla hasta la animación de una fotografía fija- detallando en cada uno el prompt completo, los parámetros, el coste y los aciertos y fallos. Al final incluyo además seis muestras oficiales del fabricante con funciones que no probé directamente. Los precios, el ranking y la guía de uso están disponibles en el artículo sobre FLUX 3 Video.

1. Anuncio para negocio local con voz en cámara

Caso de uso: spot breve para redes sociales de una panadería, cafetería o taller, con una persona hablando a cámara (la prueba se ejecutó con locución en polaco).

Prompt original probado:

Short TV commercial for a Polish bakery. Medium shot of a smiling female baker in her fifties in a small sunlit bakery, holding a fresh loaf of rye bread toward the camera. She says clearly in Polish: "traducción del original en polaco: "Pan de masa madre, horneado hoy a las cinco de la mañana."" Behind her, shelves full of bread and a window with a quiet street. Sound: her voice, soft crackle of the crust, quiet street outside, no music. Realistic, warm light, no subtitles, no on-screen text.

(Traducción de la frase en polaco evaluada: «Pan de masa madre, horneado hoy a las cinco de la mañana»).

Comentario: Whisper transcribió la frase exactamente como se pidió (sustituyendo «cinco» por el número «5», algo habitual en software de transcripción). La panadera levanta la hogaza hacia la cámara, los estantes aparecen llenos y al fondo se observa una calle tranquila.

2. Locución compleja: trabalenguas

Caso de uso: prueba de diálogo evaluando la capacidad del modelo ante fonemas difíciles, realizada originalmente con un trabalenguas en polaco.

Prompt original probado (escena 2 de nuestra comparativa de vídeo):

Medium close-up of a woman in her thirties sitting at a kitchen table, looking straight into the camera. She says clearly and calmly in Polish: "traducción del original en polaco: "En Szczebrzeszyn un escarabajo suena en la caña, y yo pago treinta y dos zlotys."" Natural daylight from a window, static camera, realistic, no subtitles, no on-screen text, no music.

(Traducción de la frase en polaco evaluada: «En Szczebrzeszyn el escarabajo suena entre las cañas, y yo pago treinta y dos zlotys»).

Comentario: Whisper registró la frase con total exactitud y cero fallos en las palabras. En esta misma escena, Seedance 2.5 erró prácticamente la mitad de las palabras (WER de 0,583) y Wan 3.0 obtuvo un 7,5/10. La locución completa encaja perfectamente en los 5 segundos del clip.

3. Texto en encuadre: pizarra escolar

Caso de uso: rótulos, carteles o nombres de producto que deben ser legibles de forma nítida en el metraje.

Close-up of a green school chalkboard in a sunlit classroom. A hand finishes writing with white chalk. The chalkboard clearly shows exactly two lines of text in capital letters: first line "ARENA WIDEO 2026", second line "traducción del original en polaco: "BARCO AMARILLO"". Static camera, realistic, chalk dust in the light, no other text.

Comentario: resultado impecable. La mano remata el trazo de la última letra y ambas líneas coinciden exactamente con la petición, respetando todos los caracteres diacríticos complejos del texto polaco solicitado. Anteriormente, solo Wan 3.0 y MiniMax H3 Max lograron este nivel de fidelidad tipográfica, mientras que Seedance 2.5 escribió caracteres incorrectos («letras corruptas en la prueba original en polaco») y Kling 3.0 o Veo 3.1 Lite rindieron aún peor.

4. Movimiento de cámara: órbita sobre una motocicleta

Caso de uso: planos envolventes de producto para automóviles, motos o mobiliario.

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.

Comentario: la cámara completa una órbita semicircular a ritmo constante mientras la motocicleta mantiene intactas las proporciones del depósito, los cromados y el faro. Las farolas se reflejan con coherencia en el adoquín mojado. Como punto débil, la llovizna apenas se percibe. Calificación: 8,5/10, a la par que Wan 3.0 y Kling 3.0.

5. Simulación física: llenado y desbordamiento de agua

Caso de uso: anuncios de bebidas, planos de cocina o cualquier acción con líquidos.

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.

Comentario: la secuencia respeta el orden cronológico lógico: vaso vacío, burbujas, subida del nivel, rebose y formación del charco. Hasta ahora, solo Wan 3.0 había logrado completar esta prueba. No obstante, hacia el final el líquido cae por la pared exterior con una densidad que recuerda al gel, motivo por el que se queda en un 8,5 sobre 10.

6. Packshot con sonido: cafetera espresso

Caso de uso: publicidad de producto con diseño sonoro integrado (efectos de sonido y ambiente).

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.

Comentario: visualmente parece un anuncio comercial impecable: mármol, luz dorada, vapor, crema en la taza y movimiento lento de aproximación. En el sonido, sin embargo, el resultado fue parcial: solo se escuchan pájaros y un tenue chasquido de fondo, omitiendo el silbido de la máquina y el chorro de café solicitados. La pista es además muy tenue (-38,6 dB de media). Para este tipo de piezas sigue siendo preferible añadir los efectos en postproducción.

7. Animación de imagen estática: cafetería

Caso de uso: visualizaciones de arquitectura, interiores o dar vida a fotografías comerciales fijas.

Imagen inicial: render de una cafetería obtenido en nuestras pruebas previas de diseño de interiores 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.

Comentario: avance suave hacia la barra mientras un cliente cruza el encuadre, aparece el barista manipulando el molinillo y el espacio mantiene intactos los azulejos, lámparas y plantas originales. Al usar la relación de aspecto «auto», el modelo recortó la resolución a 1088×800 píxeles, perdiendo parte superior y lateral; si necesitas conservar el encuadre íntegro, conviene fijar la proporción manualmente. Esta misma imagen y prompt se evaluaron frente a otros modelos en la comparativa de FLUX 3 vs Wan 3.0 vs Seedance 2.5.

8. Mismo personaje en dos tomas continuas

Caso de uso: narrativa breve, anuncios con personajes o secuencias de ficción.

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.

Comentario: el corte seco ocurre en el punto exacto y el plano corto conserva el pelo pelirrojo, las gafas redondas, el impermeable amarillo y la mochila. En el plano general el personaje avanza de espaldas, lo que evita evaluar el rostro en esa primera fase, pero la coherencia cromática y el asfalto mojado con neones están muy logrados.

Materiales oficiales de BFL: funciones avanzadas

Los siguientes clips corresponden a la presentación de Black Forest Labs del 4 de agosto de 2026 y se reproducen desde los servidores del fabricante. No son pruebas mías y BFL no ha publicado los prompts exactos empleados.

Interpolación de fotogramas clave: de habitación vacía a salón amueblado

El modo de primer y último fotograma resulta útil en proyectos de reformas e interiorismo: aportas una foto del «antes» y otra del «después» y el modelo genera la transición intermedia. En fal.ai tiene el mismo coste que la generación estándar: unos 0,076 EUR/s (0,085 USD/s).

Extensión de metraje: alce ante el vehículo

El sistema toma hasta 4 segundos de un vídeo existente con sonido y prolonga la secuencia respetando el movimiento de cámara. Es la modalidad más cara: aproximadamente 0,37 EUR/s (0,41 USD/s) a 720p en BFL.

Múltiples planos en una sola generación

Diálogo de época

Conocimiento del entorno: Friburgo en pocas palabras

BFL destaca que el modelo combina el conocimiento base de su entrenamiento con anclaje fáctico, lo que facilita recreaciones útiles en proyectos educativos o divulgativos.

Modo borrador frente a calidad completa

El borrador respeta la composición y el movimiento general, permitiendo explorar varias opciones antes de enviar a renderizar la versión definitiva. En fal.ai, este modo cuesta unos 0,027 EUR/s (0,03 USD/s).

Conclusiones del análisis

• Puntos fuertes: fidelidad tipográfica impecable en pantalla, sincronización labial sólida, física de fluidos creíble y coherencia visual del personaje.
• Aspectos a pulir: generación de efectos de audio bajo demanda (faltaron ruidos mecánicos clave) y pequeños detalles del prompt que se ignoran (llovizna o encuadres recortados en modo automático).
• Coste: unos 0,76 EUR (0,85 USD) por 5 segundos en OpenRouter o 0,38 EUR (0,425 USD) en fal.ai. Es más costoso que Wan 3.0 en 480p, pero genera nativamente a 720p.

Para ver cómo queda frente a otros modelos, consulta la comparativa FLUX 3 Video vs Wan 3.0 vs Seedance 2.5. El código utilizado para procesar los clips está disponible en la guía de FLUX 3 mediante API.

// sigue leyendoQué puede hacer Agnes Video 2.5: 8 ejemplos con promptsHerramientas de IAQué puede hacer HiDream-O1-Video: 7 ejemplos y promptsHerramientas de IAGemini 4 Carbon vs Argon: diferencias y resultadosHerramientas de IA