FLUX 3 Video à l’essai: 8 exemples avec prompts et résultats

👁 117 lectures

Que vaut réellement FLUX 3 Video, le modèle vidéo de Black Forest Labs classé 6e au classement Artificial Analysis ? J’ai généré 8 clips pour tester différents cas d’usage - d’un spot publicitaire parlé à l’animation d’une image fixe, en passant par l’affichage de texte à l’écran. Pour chaque scène, vous trouverez le prompt complet, les paramètres, le coût ainsi que les réussites et les défauts observés. En complément, j’ajoute six démonstrations officielles du fabricant illustrant des fonctionnalités avancées. Retrouvez les tarifs, le comparatif global et les instructions dans le guide FLUX 3 Video.

1. Publicité pour un commerce local avec voix face caméra

Cas d’usage : un format court pour les réseaux sociaux adapté à une boulangerie, un café ou un atelier, mettant en scène une personne s’exprimant face à l’objectif.

Prompt utilisé (test réalisé avec réplique en polonais) :

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: "« Du pain au levain, cuit aujourd'hui a cinq heures du matin » (traduction de l'original polonais)." 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.

Traduction indicative du prompt : « Court spot publicitaire pour une boulangerie polonaise. Plan moyen d’une boulangère souriante d’une cinquantaine d’années dans un petit fournil ensoleillé, tendant une miche de pain de seigle vers la caméra. Elle dit distinctement en polonais : « « Du pain au levain, cuit aujourd’hui a cinq heures du matin » (traduction de l’original polonais). » [Pain au levain, cuit aujourd’hui à cinq heures du matin]. Derrière elle, des étagères garnies de pain et une fenêtre donnant sur une rue calme. Son : sa voix, léger craquement de la croûte, rue paisible à l’extérieur, pas de musique. Éclairage réaliste et chaleureux, sans sous-titres, sans texte à l’écran. »

Analyse : Whisper a transcrit la phrase sans erreur de prononciation. La boulangère tend le pain vers l’objectif, les étagères d’arrière-plan sont fournies et la perspective extérieure est bien gérée.

2. Élocution complexe et virelangue

Cas d’usage : évaluer la capacité du moteur audio-vidéo à articuler des phonèmes complexes et des phrases piégeuses.

Prompt utilisé (scène 2 de l’Arena vidéo, testée en polonais) :

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: "« A Szczebrzeszyn le hanneton bourdonne dans les roseaux, et moi je paie trente-deux zlotys » (traduction de l'original polonais)." Natural daylight from a window, static camera, realistic, no subtitles, no on-screen text, no music.

Traduction indicative du prompt : « Plan moyen rapproché d’une femme d’une trentaine d’années assise à une table de cuisine, fixant l’objectif. Elle prononce calmement et clairement en polonais un virelangue difficile : « « A Szczebrzeszyn le hanneton bourdonne dans les roseaux, et moi je paie trente-deux zlotys » (traduction de l’original polonais). » Lumière du jour venant d’une fenêtre, caméra fixe, rendu réaliste, sans sous-titres, sans texte, sans musique. »

Analyse : la transcription Whisper enregistre l’intégralité du virelangue sans la moindre altération phonétique. À titre de comparaison, Seedance 2.5 échouait lourdement sur cette même consigne (WER de 0,583), tandis que Wan 3.0 atteignait 7,5/10. La diction s’insère parfaitement dans la fenêtre de 5 secondes.

3. Affichage de texte à l’écran : le tableau noir

Cas d’usage : panneaux de signalisation, enseignes, étiquettes de produits ou toute inscription devant demeurer parfaitement lisible en mouvement.

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 "« BATEAU JAUNE » (traduction de l'original polonais).". Static camera, realistic, chalk dust in the light, no other text.

Traduction indicative du prompt : « Gros plan sur un tableau noir d’école vert dans une salle de classe baignée de soleil. Une main achève d’écrire à la craie blanche. Le tableau affiche lisiblement deux lignes en majuscules : première ligne « ARENA WIDEO 2026 », seconde ligne « « BATEAU JAUNE » (traduction de l’original polonais).« . Caméra fixe, réaliste, poussière de craie dans la lumière, aucun autre texte. »

Analyse : resultat impeccable. La main termine le trace du dernier caractere, et les deux lignes reproduisent rigoureusement la consigne, y compris les signes diacritiques specifiques testes (point sur le Z, accents sur O et Z, barre oblique sur le L). Lors de nos comparatifs sur l’arene video, seuls Wan 3.0 et MiniMax H3 Max avaient franchi l’epreuve avec succes, Seedance 2.5 produisant un texte errone (« inscription corrompue dans le test polonais d’origine »»).

4. Mouvement de caméra : orbite autour d’un véhicule

Cas d’usage : présentation produit sous tous les angles, plans automobiles ou mobilier.

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.

Traduction indicative du prompt : « Mouvement fluide d’orbite à 180 degrés autour d’une moto rouge ancienne garée sur des pavés mouillés d’une vieille ville européenne à l’heure bleue. La caméra tourne régulièrement de l’avant vers l’arrière de la moto à vitesse constante. Les lampadaires se reflètent dans les flaques, fine bruine. La moto conserve sa géométrie et ses détails exacts. Prise de vue cinématique réaliste, vitesse réelle, sans texte ni logo. »

Analyse : la rotation s’exécute à un rythme constant sur le demi-cercle sans déformer le réservoir, les chromes ou le phare. Les reflets sur les pavés sont crédibles. Seul bémol : la bruine demandée est presque invisible. Une note de 8,5/10 équivalente aux scores de Wan 3.0 et Kling 3.0.

5. Simulation physique : écoulement et débordement d’un liquide

Cas d’usage : plans culinaires, spots publicitaires de boissons ou toute dynamique de fluides.

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.

Traduction indicative du prompt : « Gros plan fixe sur une table de cuisine en bois à la lumière du jour. De l’eau est versée depuis une carafe en verre dans un verre vide transparent. Le jet éclabousse, des bulles remontent, le niveau monte de façon régulière jusqu’au débordement et l’eau se répand sur la table pour former une flaque. Vitesse temps réel, sans ralenti, physique réaliste, aucun texte. »

Analyse : la chronologie d’événements est rigoureusement respectée : récipient vide, émulsion de bulles, montée progressive, submersion des bords et nappe d’eau sur le plateau. Jusqu’ici, seul Wan 3.0 avait réussi cette séquence sans incohérence. Le filet d’eau final prend une viscosité légèrement gélatineuse le long de la paroi externe, justifiant un 8,5/10.

6. Packshot produit avec piste audio synchronisée

Cas d’usage : présentation commerciale avec identité sonore immersive (ASMR, bruits de fonctionnement mécanique).

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.

Traduction indicative du prompt : « Publicité cinématique de produit. Gros plan sur une machine à expresso noir mat posée sur un plan de travail en marbre au lever du soleil. Le café chaud coule dans une petite tasse blanche, la vapeur monte à travers un rai de lumière dorée, travelling avant lent. Son : sifflement de la vapeur, versement du liquide, soucoupe, légers chants d’oiseaux matinaux en fond. Réaliste, faible profondeur de champ, sans texte, sans logo. »

Analyse : le rendu visuel est de premier ordre : texture du marbre, contre-jour matinal, vapeur et formation de la mousse (crema). En revanche, la partie audio déçoit : seuls les bruits d’oiseaux et un léger fond sonore sont audibles, sans l’extraction de vapeur ni le bruit d’écoulement attendus. Le signal sonore est en outre très faible (moyenne mesurée à -38,6 dB). Pour ce type de projet, il reste préférable d’ajouter le sound design en postproduction.

7. Animation d’image fixe (Image-to-Video) : intérieur de café

Cas d’usage : rendu pour l’architecture d’intérieur, communication pour l’hôtellerie ou passage d’une maquette fixe à un format animé.

Image source : image générée précédemment lors d’un test de rendu d’intérieur avec 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.

Traduction indicative du prompt : « La caméra avance lentement en travelling dans le café en direction du comptoir incurvé en terre cuite. Le barista prépare du café au moulin, un client passe devant le comptoir, la femme à la table de gauche lève sa tasse en riant avec son amie. Les suspensions lumineuses restent immobiles. Son : ambiance de café, moulin à café, légers bavardages, tintement de tasses. Réaliste, mouvement naturel, sans texte. »

Analyse : le travelling vers le comptoir est parfaitement stable, les figurants s’activent de manière cohérente et le mobilier d’origine (luminaires, carrelage, plantes) est scrupuleusement conservé. En réglage de ratio « auto », le moteur a toutefois recadré la scène en 1088×800, rognant une partie du plafond et des marges latérales : il convient de verrouiller vos proportions à l’avance pour éviter tout recadrage involontaire. Vous pouvez retrouver le résultat de ce même test face à d’autres outils dans notre confrontation FLUX 3 vs Wan 3.0 vs Seedance 2.5.

8. Cohérence d’un personnage sur deux valeurs de plan

Cas d’usage : formats narratifs, fictions courtes, spots publicitaires scénarisés.

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.

Traduction indicative du prompt : « Deux plans séparés par une coupe franche. Plan 1 : plan large d’une jeune femme aux cheveux roux courts, lunettes rondes noires, ciré jaune et sac à dos noir marchant de nuit le long d’une rue pluvieuse avec reflets de néons sur le bitume mouillé. Coupe franche. Plan 2 : gros plan sur la même femme portant les mêmes cheveux roux courts, les mêmes lunettes noires et le même ciré jaune, alors qu’elle s’abrite sous l’auvent d’une boutique et regarde vers la pluie. Réaliste, cinématique, sans texte. »

Analyse : le montage cut est placé avec exactitude, et le plan rapproché retrouve bien la chevelure rousse, la monture de lunettes, la teinte du ciré et les bretelles du sac. L’IA s’est toutefois facilité la tâche en filmant le premier plan large de dos, évitant ainsi d’avoir à synchroniser les traits du visage sur la distance. L’ambiance pluvieuse et les lumières urbaines sont d’une excellente tenue.

Aperçu des fonctions constructeur non testées en conditions réelles

Les extraits ci-dessous proviennent d’une publication technique de Black Forest Labs datée du 4 août 2026 et sont diffusés directement depuis leurs serveurs de démonstration. Les prompts d’origine n’ont pas été rendus publics par le laboratoire.

Interpolation d’images clés : transition d’un espace vide à meublé

Le mode première et dernière image s’avère particulièrement pertinent en rénovation ou aménagement : en fournissant les visuels « avant » et « après », le modèle génère la dynamique intermédiaire. Sur fal.ai, cette fonction est facturée au tarif standard d’environ 0,076 EUR/s (0,085 USD/s).

Extension temporelle d’un rush existant

Ce procédé ingère jusqu’à 4 secondes de vidéo avec sa bande-son pour en générer le prolongement tout en prolongeant l’inertie de la caméra. Ce mode constitue l’option la plus onéreuse de l’API BFL, chiffrée à environ 0,37 EUR/s (0,41 USD/s) en 720p.

Multi-plans au sein d’une même commande

Reconstitution historique avec dialogue

Connaissances contextuelles intégrées

L’éditeur met en avant la capacité du modèle à mobiliser des connaissances encyclopédiques précises pour enrichir des projets documentaires ou institutionnels sans prompts surchargés.

Mode brouillon vs rendu définitif

Le mode ébauche fige la mise en scène et la trajectoire pour valider les intentions de cadrage avant de lancer le calcul lourd. Sur fal.ai, ce mode brouillon revient à environ 0,027 EUR/s (0,03 USD/s).

Ce qu’il faut retenir

• Points forts : une excellente précision typographique (lettrage à l’écran sans distorsion), une bonne restitution du langage parlé sur des tests complexes, une physique de fluides convaincante et une tenue vestimentaire fidèle d’un plan à l’autre.
• Axes d’amélioration : bruitages à la demande parfois ignorés dans la piste audio, et légers écarts par rapport aux consignes secondaires (bruine omise, recadrage automatique imprévu en mode ratio libre).
• Coût : environ 0,76 EUR (0,85 USD) pour 5 s sur OpenRouter, contre environ 0,38 EUR (0,425 USD) sur fal.ai. C’est plus onéreux qu’un Wan 3.0 en 480p, mais avec une résolution de base en 720p.

Pour situer les performances face au marché, consultez notre comparatif FLUX 3 Video vs Wan 3.0 vs Seedance 2.5. Retrouvez également la configuration d’appel dans notre tutoriel API pour FLUX 3.

// lire la suiteKandinsky 6.0 Video : générer une vidéo avec son en localBenchmarksQwen3.8 Max : test en polonais, résultats, prix et accèsBenchmarksLTX-Video en local : test et mesures sur RTX 4090Guides