01 基本公式
FLUX 3 は自然な言葉を読み取り、生成前に内部で展開します——キーワードの羅列は不要で、必要なのは明確な一文です。この章ではまずプロンプトの骨格を立て、次に実践的な 2 つのダイヤル——音声スイッチと、解像度・時間の選び方——を解説します。
1.1 基本プロンプト公式
すべては一文から始まります：主体と動作が必須の 2 要素で、カメラ・環境・スタイル・音は必要に応じて重ねます。FLUX 3 はプロンプトを内部で書き換えるので、見たいもの・聞きたいものを完全な文で書きましょう——曖昧なキーワードは、頼んでもいない方向に展開されてしまいます。
[主体] + [動作] + 任意 [カメラ] [環境] [スタイル] [音]
主体
画面の主人公——人物、動物、物体。具体的であればあるほど良い。
動作
主体が何をするか、テンポを明記。ゆっくり連続した動きが最も安定。
カメラ
ショットサイズとカメラワーク：クローズアップ、プッシュイン、オービット。FLUX 3 は明示的なカメラ言語によく従います。
環境
シーンと雰囲気：場所、時間、光、天気。
スタイル
美術方向：映像の質感、色調、テクスチャ——ホームビデオからシネマティックまで。
音
聞かせたいもの：環境音、効果音、セリフ。ネイティブ音声が最大の売り——第 2 章で深掘りします。
屋上の園芸家
プロンプト
日の出の街の屋上で、麦わら帽子の老人がトマトの苗に水をやっている。土から湯気が静かに立ちのぼる。カメラはスカイラインのワイドショットからゆっくりプッシュインし、葉の上の水滴のクローズアップへ。温かな金色の光、ドキュメンタリー質感。背景に穏やかな鳥のさえずりと遠い交通のざわめき。
1 文目に主体+動作、2 文目にカメラと環境、スタイルとひとことの音で締める——堅実な FLUX 3 の基本形です。
1.2 音声スイッチ：音付き完成品か、クリーンな素材か
FLUX 3 はデフォルトで同期音声を追加料金なしに生成します：環境音・効果音・セリフが映像と一緒に届きます。スイッチをオフにすれば無音のクリップ——自分で音楽・ナレーション・字幕を載せる編集パイプライン向けのクリーンな素材になります。そのまま公開するならオン、ポストプロダクションに回すならオフ。
雨の横断歩道（無音素材）
プロンプト
雨の夜、にぎやかな街の横断歩道。傘が両方向に流れ、濡れたアスファルトにネオンの反射が揺れる。カメラは膝の高さで横移動し、群衆の中を赤いスニーカーの一足を追う。シネマティックなコントラスト、冷たいブルーのトーンに温かいハイライト。
このプリセットでは音声スイッチはオフ——素材として受け取り、自分のスコアを載せてください。洗い落とす必要のあるモデル生成の環境音は入っていません。
1.3 解像度と時間：試作は 720p、仕上げは 1080p
2 段階の解像度（720p / 1080p）と 5〜20 秒の連続ダイヤル。ベテランのワークフロー：720p で探索——構図とペースが納得できたら、同じプロンプトを 1080p で再生成して最終カットに。動作量は秒数と釣り合わせて：5 秒に 1 つのクリーンなビートが安定のリズム、20 秒ならミニチュアの物語を語れます。
20 秒の手紙
プロンプト
夕暮れの列車の窓辺に座る若い女性が、手書きの手紙を開き、読み、涙をにじませながら微笑み始める。カメラは窓ガラスの外を駆け抜ける風景から始まり、ゆっくり焦点を彼女の顔に移し、彼女の手の中でかすかに震える手紙に落ち着く。柔らかな車内の環境音、遠くで車内チャイム。親密なインディー映画のトーン、外の青い夕闇に対する車内の温かい光。
1080p / 20 秒を選択済み——開く・読む・反応するの 3 ビートのマイクロストーリーにはフルの時間が必要。反復の間は 720p に落とし、最終稿で戻りましょう。
02 ネイティブ音声プロンプト
FLUX 3 の目玉：音声は映像と同じパスで生成されます——セリフは話者にリップシンクし、効果音はそれを引き起こす物理イベントにピン留めされます。つまり音はポストプロダクションではなく、プロンプトの中に書くもの。この章では 2 つの書き方——セリフと効果音——を解説します。
2.1 セリフの書き方：引用符のセリフ + 話し方の指示
セリフを引用符に入れ、続く 1 節で演じ方を指示します：トーン、ペース、感情。リップシンクは自動で、複数言語に対応。セリフは短く——10 秒あたり 1〜2 文。5 秒に独白を詰め込むと、早口のセリフ回しを強いることになります。
夜市の屋台の店主
プロンプト
夜市の陽気な屋台の店主が、ジュージュー音を立てる鉄板の上でネギ餅をひっくり返し、カメラに顔を上げ、温かな笑顔で言う：「この通りで一番のネギ餅だよ——外はカリッ、中はふんわり。ひとつ食べたら、明日も来たくなるから！」湯気が彼の周りに立ちのぼり、背景にネオンサインが輝き、群衆が静かにざわめく。カメラはミディアムクローズアップをキープ、手持ちのドキュメンタリー感。
引用符のセリフ +「温かな笑顔で」の演技指示、締めのひとことに環境音——これがセリフの完全なレシピです。
2.2 効果音の公式：音をイベントにピン留めする
効果音が最も決まるのは、ひとつひとつの音を目に見える物理イベントにピン留めしたときです：イベントを書き、その音を同じ息の中で続けて書く。「いい感じの音を入れて」のような曖昧な依頼はありきたりな音の塊を生みます。「お玉が中華鍋にカンと当たる」なら、モデルに同期すべき的を与えられます。
[視覚イベント] とともに [その音] + 任意 [環境音のベッド]
視覚イベント
画面内で音を立てるアクション：ドアがバタンと閉まる、グラスがカチリと鳴る、足音が水しぶきを上げる。
効果音
そのイベントにピン留めされた音——具体的に名指しし、アクションと同じ文の中に書く。
環境音
背景のベッド：風、群衆のざわめき、ルームトーン。ひとことで十分。
ガラス吹きの工房
プロンプト
薄暗い工房で、ガラス職人が炉からオレンジに輝くガラスの塊を引き出す——熱のふっという音とともに。鋼の作業台の上で転がすと低い金属のこすれ音がし、続いて吹き竿に息を安定して吹き込む——ガラスがかすかなパチパチ音とともに膨らむ。背景に火花が漂い、炉が絶えず唸る。溶けたガラスへのゆっくりしたプッシュイン、深い影に対する温かな琥珀色の輝き。
すべての音がイベントに溶接されています——ふっ、こすれ音、パチパチにはそれぞれ目に見える原因があり、炉の唸りが環境音のベッドです。
03 画像から動画
1 枚の先頭フレーム画像と動きの説明で、FLUX 3 は絵に命を吹き込みます——シーンはすでに存在するので、プロンプトの重心は動きと音に移ります。先頭フレームはオープニングを決め、先頭・最終フレームはショットの両端を手中に収めます。
3.1 静止画に命を吹き込む
画像から動画のプロンプトがカバーするのは 3 つ：何が動くか、どう動くか、どう聞こえるか。絵にすでにあるものを再描写しないこと——代わりに呼び覚ますのです：漂う霧、波立つ水、揺れる光は、命中率の高い小さな動きです。
湖の朝
プロンプト
この写真に命を吹き込んでください：薄い霧が静かな湖面をゆっくり漂い、木製のボートが静かに揺れ、一羽のサギが桟橋からゆっくり羽ばたいて飛び立ち、柔らかな水音を残す。カメラはほぼ静止したまま、ほんの少しだけ前に流れる。静かな朝の空気、遠くで水の寄せる音。
先頭フレーム画像を 1 枚アップロード。プロンプトは動きと音だけを書きます——シーンそのものはすでに絵の中にあります。
3.2 先頭・最終フレーム：始まりと終わりを手中に
先頭フレームと最終フレームをアップロードすれば、モデルがその間のすべてを生成します。プロンプトの書き方も変わります：始まりと終わりは省略し（絵にあるので）、旅路だけを書く——変化のテンポとカメラの合わせ方。2 枚のフレームの視覚的なギャップが大きいほど、過程の描写を厚くし、時間も長めに取りましょう。
紙飛行機の飛行
プロンプト
紙飛行機が子どもの手を離れ、ふらつき、上昇気流を捉え、中庭を滑空して開いた窓へ向かい、進みながら緩やかに上昇する。カメラはワンカットのフォローショットで並走する。柔らかな午後のそよ風、木の葉のざわめき、画面外から子どもの嬉しそうな笑い声。
画像から動画モードで先頭フレーム（投げる瞬間）+ 最終フレーム（窓）をアップロード。8 秒が飛行に呼吸の余裕を与えます。
04 ストーリーボードと動画の延長
この章では FLUX 3 の 2 つのタイムライン制御ツールを扱います——それぞれ別の場所にあります。ストーリーボードキーフレームは参照モード：3〜10 枚の画像をアップロードするとキーフレームになり、1 枚目がクリップを開き、最後が閉じ、残りは均等に中間に配置されます。動画の延長は独立したモデル FLUX 3 Extend：動画 1 本（最長 15 秒）を渡すと、その最終フレームからショットを続けます。
4.1 ストーリーボード：キーフレームで演出する
ストーリーボードのプロンプトはビートを順番に語ります——画像が各ビートの見た目を固定し、あなたの言葉がビートからビートへの流れを演出します。3〜10 枚。明示的な時間指定が必須で、モデルはタイムラインにキーフレームを配置します。ビート数は秒数に比例させて：5 秒なら 2 ビート、10〜15 秒なら 3〜4 ビート。
[ビート 1 → ビート 2 → ビート 3] + 任意 [ペーシング] [一貫性]
ビート
キーフレームごとに 1 節、アップロード順で：この瞬間は何で、どう動くか。
ペーシング
ビートのつなぎ方：緩やかなディゾルブ、マッチカット、連続した動き——名指しするだけ。
一貫性
締めの一文で、ビートをまたぐ光・パレット・ムードをロック。
エスプレッソの 3 ビート
プロンプト
1 杯のエスプレッソの 3 ビート：豆のままのコーヒー豆がグラインダーに転がり込み、細かい粉がポルタフィルターに流れ落ちて平らにタンプされ、続いて白いカップに濃いエスプレッソがクレマとともに注がれる。各ビートは動きの柔らかなマッチで次へ流れる。温かなカフェの光、豊かなブラウンとクリームのトーン、グラインダーの唸りが静かな注ぎ音へ譲り、全編一貫したムード。
参照画像 3 枚（豆 / タンピング / 注ぎ）をストーリーボード順にアップロード——1 枚目がクリップを開き、最後が閉じ、中間の 1 枚は均等にその間に配置されます。
4.2 動画の延長：ショットを回し続ける
FLUX 3 Extend モデル（動画の延長モード）に切り替え、1 本の動画（最長 15 秒、MP4）をアップロードすると、FLUX 3 はその最終フレームから続けます——同じシーン、同じ動き、新しい内容。プロンプトが書くのは次に起きることだけで、すでに起きたことは書きません。動画の延長を連鎖させれば、単回生成の 20 秒上限をはるかに超えるシーケンスを組めます。ただしこれはプレミアムレーン：動画の延長は新規生成より秒あたりのコストが高いので、続ける価値のあるテイクに絞りましょう。
ドローンショットの続き
プロンプト
カメラは海岸線の上を滑空し続け、崖を回り込むと、ターコイズブルーの海をたたえた隠れた入り江が現れ、一隻のヨットが碇を下ろしている。動きは滑らかで連続的なまま、ゴールデンアワーの光は引き継いだショットと一貫。穏やかな波と風、遠くで一羽のカモメ。
ソースクリップ（崖へのアプローチ）をソース動画スロットにアップロード。書くのは次に起きることだけ——あなたが渡した素材との一貫性はモデルが担います。