01 Kernformel
FLUX 3 liest natürliche Sprache und erweitert sie vor der Generierung — du brauchst kein Keyword-Stuffing, sondern einen klaren Satz. Dieses Kapitel baut zuerst das Prompt-Gerüst und geht dann zwei praktische Stellschrauben durch: den Audio-Schalter und die Wahl von Auflösung und Dauer.
1.1 Die grundlegende Prompt-Formel
Alles beginnt mit einem Satz: Subjekt und Bewegung sind die beiden Pflichtteile; Kamera, Umgebung, Ästhetik und Sound werden nach Bedarf ergänzt. FLUX 3 schreibt deinen Prompt intern um — beschreibe also in vollständigen Sätzen, was du sehen und hören willst. Vage Stichwörter werden in Richtungen ausgebaut, die du nicht bestellt hast.
[Subjekt] + [Bewegung] + optional [Kamera] [Umgebung] [Ästhetik] [Sound]
Subjekt
Der Protagonist — eine Person, ein Tier oder ein Objekt. Je konkreter, desto besser.
Bewegung
Was das Subjekt tut, mit klar beschriebenem Tempo. Langsame, zusammenhängende Bewegungen sind am zuverlässigsten.
Kamera
Bildgröße und Bewegung: Nahaufnahme, Heranfahren, Umkreisen. FLUX 3 folgt expliziter Kamerasprache sehr gut.
Umgebung
Szene und Atmosphäre: Ort, Zeit, Licht, Wetter.
Ästhetik
Art Direction: Footage-Stil, Farbton, Textur — von Homevideo bis Kino.
Sound
Was du hören willst: Atmosphäre, Effekte, Dialog. Natives Audio ist das Aushängeschild — Kapitel 2 geht in die Tiefe.
Der Dachgärtner
Prompt
Ein älterer Mann mit Strohhut gießt Tomatenpflanzen auf einem Stadtdach bei Sonnenaufgang, aus der Erde steigt sanft Dampf auf. Die Kamera fährt langsam von einer Totale der Skyline auf eine Nahaufnahme der Wassertropfen auf den Blättern zu. Warmes goldenes Licht, dokumentarische Textur. Leises Vogelgezwitscher und fernes Verkehrsrauschen im Hintergrund.
Subjekt + Bewegung im ersten Satz, Kamera und Umgebung im zweiten, Ästhetik und eine Zeile Sound zum Abschluss — eine solide FLUX 3-Basis.
1.2 Der Audio-Schalter: Fertiger Schnitt oder saubere Vorlage
FLUX 3 erzeugt standardmäßig synchronen Sound ohne Aufpreis: Atmosphäre, Effekte und Sprache kommen direkt mit dem Bild. Schaltest du Audio aus, bekommst du einen stummen Clip — die saubere Vorlage für Projekte, die in eine Schnittpipeline mit eigener Musik, Voiceover und Untertiteln laufen. An für die direkte Veröffentlichung, aus für die Postproduktion.
Regennasser Zebrastreifen (stumme Vorlage)
Prompt
Ein belebter Zebrastreifen in der Stadt bei Nacht im Regen, Regenschirme strömen in beide Richtungen vorbei, Neonreflexe kräuseln sich auf dem nassen Asphalt. Die Kamera fährt seitlich auf Kniehöhe mit und folgt einem Paar roter Sneaker durch die Menge. Filmischer Kontrast, kühle Blautöne mit warmen Highlights.
In diesem Preload ist der Audio-Schalter aus — nimm den Clip als Footage und lege deine eigene Musik darüber, ganz ohne modellgenerierte Atmosphäre, die du wieder entfernen müsstest.
1.3 Auflösung & Dauer: 720p zum Erkunden, 1080p zum Ausliefern
Zwei Auflösungen (720p / 1080p) und ein stufenloser Regler von 5–20 Sekunden. Der Workflow der Profis: mit 720p erkunden — sobald Komposition und Timing passen, denselben Prompt in 1080p für den finalen Schnitt erneut laufen lassen. Passe die Aktionsdichte an die Sekunden an: ein sauberer Beat pro 5 Sekunden ist der zuverlässige Rhythmus; 20 Sekunden tragen eine Mini-Geschichte.
Ein Brief in zwanzig Sekunden
Prompt
Eine junge Frau sitzt in der Dämmerung am Zugfenster, faltet einen handgeschriebenen Brief auseinander, liest ihn und beginnt durch Tränen hindurch zu lächeln. Die Kamera beginnt auf der vorbeirasenden Landschaft hinter der Scheibe, verlagert langsam den Fokus auf ihr Gesicht und ruht schließlich auf dem leicht zitternden Brief in ihren Händen. Leise Zuggeräusche, ein entfernter Ansageton. Intime Indie-Film-Stimmung, warmes Innenlicht gegen den blauen Abend draußen.
Vorbefüllt mit 20 s in 1080p — eine Mini-Geschichte in drei Beats (Auffalten, Lesen, Reagieren) braucht den vollen Regler; für Iterationen erst auf 720p wechseln und für das Finale zurückkommen.
02 Natives Audio-Prompting
Das Aushängeschild von FLUX 3: Audio wird im selben Durchgang wie das Video erzeugt — Dialoge lippensynchron zum Sprecher, Effekte fest an die physikalischen Ereignisse gekoppelt, die sie auslösen. Das heißt: Sound gehört in den Prompt, nicht in die Nachbearbeitung. Dieses Kapitel behandelt die beiden Schreibtechniken: Dialog und Soundeffekte.
2.1 Dialoge schreiben: Zitierte Zeilen + Regieanweisung zum Ton
Setze die gesprochene Zeile in Anführungszeichen und gib dann in einem kurzen Nebensatz die Darbietung vor: Tonfall, Tempo, Emotion. Das Modell synchronisiert die Lippen automatisch und beherrscht mehrere Sprachen. Halte die Zeilen kurz — ein bis zwei Sätze pro 10 Sekunden; ein in 5 Sekunden gepresster Monolog erzwingt überhastetes Sprechen.
Die Nachtmarkt-Verkäuferin
Prompt
Eine gut gelaunte Streetfood-Verkäuferin auf einem Nachtmarkt wendet Frühlingszwiebel-Pfannkuchen auf einer brutzelnden Grillplatte, schaut in die Kamera und sagt mit warmem Grinsen: „Beste Pfannkuchen der ganzen Straße — außen knusprig, innen weich, probier einen und du bist morgen wieder da!“ Dampf steigt um sie auf, Neonschilder leuchten im Hintergrund, die Menge murmelt leise. Die Kamera hält eine mittlere Nahaufnahme, Handkamera-Gefühl wie in einer Dokumentation.
Zitierte Zeile + Regieanweisung „mit warmem Grinsen“, Atmosphäre in einem abschließenden Halbsatz — das ist das komplette Dialog-Rezept.
2.2 Die Soundeffekt-Formel: Sound an Ereignisse koppeln
Soundeffekte sitzen am besten, wenn jeder an ein sichtbares physikalisches Ereignis gekoppelt ist: Beschreibe das Ereignis und seinen Klang in einem Atemzug. Vage Bitten wie „füg schöne Geräusche hinzu“ erzeugen generischen Brei; „die Schöpfkelle schlägt klirrend an den Wok“ gibt dem Modell ein Ziel, auf das es synchronisieren kann.
[Visuelles Ereignis] mit [seinem Klang] + optional [Atmosphären-Teppich]
Visuelles Ereignis
Die Aktion im Bild, die ein Geräusch erzeugt: eine Tür knallt, Gläser klirren, Schritte platschen.
Sound-Cue
Der Effekt, der an dieses Ereignis gekoppelt ist — konkret benannt, im selben Satz wie die Aktion.
Atmosphäre
Der Hintergrund-Teppich: Wind, Gemurmel der Menge, Raumton. Ein Halbsatz genügt.
Die Glasbläser-Werkstatt
Prompt
In einer düsteren Werkstatt zieht ein Glasbläser eine glutorange Masse mit einem sanften Zischen der Hitze aus dem Ofen, rollt sie mit einem tiefen metallischen Kratzen über den Stahltisch und bläst dann gleichmäßig in das Rohr — das Glas wölbt sich mit einem leisen Knistern. Funken treiben im Hintergrund, der Ofen brummt stetig. Langsame Kamerafahrt auf das flüssige Glas zu, warmes bernsteinfarbenes Leuchten vor tiefen Schatten.
Jeder Klang ist mit seinem Ereignis verschweißt — Zischen, Kratzen und Knistern haben jeweils eine sichtbare Ursache, und das Ofenbrummen ist der Atmosphären-Teppich.
03 Bild zu Video
Ein Startbild plus eine Bewegungsbeschreibung, und FLUX 3 erweckt das Bild zum Leben — die Szene existiert bereits, also verlagert sich der Schwerpunkt des Prompts auf Bewegung und Sound. Ein erster Frame legt den Anfang fest; First-Last-Frame kontrolliert beide Enden der Aufnahme.
3.1 Ein Standbild zum Leben erwecken
Ein Bild-zu-Video-Prompt deckt drei Dinge ab: was sich bewegt, wie es sich bewegt und wie es klingt. Wiederhole nicht, was schon im Bild zu sehen ist — wecke es stattdessen auf: treibender Nebel, sich kräuselndes Wasser, flackerndes Licht sind kleine Bewegungen mit hoher Trefferquote.
Morgen am See
Prompt
Erwecke dieses Foto zum Leben: Dünner Nebel treibt langsam über den stillen See, das hölzerne Ruderboot schaukelt sanft, und ein Reiher hebt mit langsamem Flügelschlag und einem leisen Platschen vom Steg ab. Die Kamera bleibt fast still und driftet dann ein Stück nach vorn. Ruhige Morgenatmosphäre, entferntes Wellenplätschern.
Lade 1 Startbild hoch; der Prompt beschreibt nur Bewegung und Sound — die Szene selbst steckt bereits im Bild.
3.2 First-Last-Frame: Anfang und Ende in der Hand
Lade einen ersten und einen letzten Frame hoch, und das Modell generiert alles dazwischen. Das Prompting ändert sich entsprechend: Überspringe Anfang und Ende (die stecken in den Bildern) und beschreibe nur den Weg — das Tempo der Veränderung und wie die Kamera mitspielt. Je größer die visuelle Kluft zwischen den beiden Frames, desto mehr Prozessbeschreibung solltest du liefern und desto länger solltest du die Dauer wählen.
Der Flug des Papierfliegers
Prompt
Der Papierflieger verlässt die Hand des Kindes, wackelt kurz, fängt einen Aufwind und gleitet sanft über den Hof auf das offene Fenster zu, dabei langsam steigend. Die Kamera folgt seitlich in einer einzigen ununterbrochenen Fahrt. Sanfte Nachmittagsbrise, raschelnde Blätter, das entzückte Lachen eines Kindes aus dem Off.
Lade im Bild-zu-Video-Modus einen ersten Frame (der Wurf) + einen letzten Frame (das Fenster) hoch; 8 Sekunden geben dem Flug Raum zum Atmen.
04 Storyboards & Clip-Verlängerung
Dieses Kapitel behandelt die beiden Timeline-Werkzeuge von FLUX 3, die an zwei unterschiedlichen Stellen sitzen. Storyboard-Keyframes laufen im Referenzmodus: Lade 3–10 Bilder hoch und sie werden zu Keyframes — das erste eröffnet den Clip, das letzte schließt ihn, die übrigen landen gleichmäßig dazwischen. Die Clip-Verlängerung ist ein eigenes Modell, FLUX 3 Extend: Übergib ihm ein Video (bis zu 15 Sekunden) und es setzt die Aufnahme ab den letzten Frames fort.
4.1 Das Storyboard: Mit Keyframes Regie führen
Ein Storyboard-Prompt erzählt die Beats der Reihe nach — die Bilder fixieren den Look jedes Beats, deine Worte steuern, wie ein Beat in den nächsten fließt. Drei bis zehn Bilder; eine explizite Dauer ist Pflicht, damit das Modell die Keyframes auf der Timeline platzieren kann. Halte die Beats proportional zu den Sekunden: zwei Beats in 5 Sekunden, drei bis vier in 10–15.
[Beat 1 → Beat 2 → Beat 3] + optional [Pacing] [Kontinuität]
Beats
Ein Satz pro Keyframe, in Upload-Reihenfolge: was dieser Moment ist und wie er sich bewegt.
Pacing
Wie Beats ineinander übergehen: langsame Überblendung, Match Cut, durchgehende Bewegung — einfach benennen.
Kontinuität
Eine abschließende Zeile, die Licht, Farbpalette und Stimmung über alle Beats hinweg fixiert.
Espresso in drei Beats
Prompt
Drei Beats eines Espressos: Ganze Bohnen kullern in die Mühle, fein gemahlener Kaffee rieselt in den Siebträger und wird glatt angedrückt, dann strömt dunkler Espresso mit aufsteigender Crema in die weiße Tasse. Jeder Beat fließt mit einem sanften Bewegungs-Match in den nächsten. Warmes Café-Licht, satte Braun- und Cremetöne, das Surren der Mühle weicht dem leisen Einlaufen des Espressos, durchgehend gleiche Stimmung.
Lade 3 Referenzbilder (Bohnen / Andrücken / einlaufender Espresso) in Storyboard-Reihenfolge hoch — das erste eröffnet den Clip, das letzte schließt ihn, das mittlere landet gleichmäßig dazwischen.
4.2 Einen Clip verlängern: Die Aufnahme weiterlaufen lassen
Wechsle zum Modell FLUX 3 Extend (Video-Extend-Modus), lade ein Video hoch (bis zu 15 Sekunden, MP4) und FLUX 3 setzt ab den letzten Frames fort — gleiche Szene, gleiche Bewegung, neuer Inhalt. Der Prompt beschreibt nur, was als Nächstes passiert, nicht was bereits geschah. Verkette Verlängerungen, um Sequenzen weit jenseits des 20-Sekunden-Limits einer Einzelgenerierung zu bauen. Beachte: Hier bewegst du dich im Premium-Bereich — eine Fortsetzung kostet pro Sekunde mehr als eine frische Generierung, also verlängere die Takes, die es verdienen.
Die Drohnenaufnahme geht weiter
Prompt
Die Kamera gleitet weiter über die Küste, umrundet die Klippe und enthüllt eine versteckte Bucht mit türkisfarbenem Wasser, in der ein einsames Segelboot vor Anker liegt. Die Bewegung bleibt sanft und kontinuierlich, das Licht der goldenen Stunde bleibt konsistent mit der vorangehenden Aufnahme. Sanfte Wellen und Wind, eine ferne Möwe.
Lade deinen Quellclip (die Klippen-Annäherung) in den Slot für das Quellvideo; beschreibe nur, was als Nächstes passiert — die Kontinuität zu deinem Footage übernimmt das Modell.