Revue vidéo FLUX 3 : Puissance multimodale, extraits de 20 secondes et limites honnêtes

Aperçu IA

Qu’est-ce que FLUX 3 Video et qui l’a créé ?

FLUX 3 Video est un modèle multimodal unifié de Black Forest Labs pour la vidéo, l’audio, les images et les actions. Annoncé en juillet 2026, sa version vidéo génère des extraits texte-vers-vidéo et image-vers-vidéo d’une durée maximale de 20 secondes, avec audio natif.

Comment se situe la qualité vidéo de FLUX 3 par rapport aux autres modèles ?

FLUX 3 excelle particulièrement en typographie animée, en variété de styles visuels, en dialogues et dans la représentation naturelle de scènes simples. MiniMax H3 reste le choix plus sûr pour une diffusion hébergée en 2K, pour les phénomènes physiques complexes et pour la cohérence d’objets sur de longues séquences.

Combien coûte FLUX 3 Video ?

Le tarif API partenaire est d’environ 0,17 $ par seconde, soit environ 1,70 $ pour 10 secondes. Black Forest Labs ne publie pas de tarif public simple au prorata de la seconde ; vérifiez donc le prix actif du fournisseur avant tout traitement par lot.

Puis-je exécuter FLUX 3 Video localement dans ComfyUI ?

Pas encore avec des poids officiels téléchargeables par les utilisateurs grand public. Des workflows API hébergés peuvent apparaître dans ComfyUI ou Comfy Cloud, mais l’auto-hébergement local dépend de la sortie prévue des poids ouverts FLUX 3 Dev, dont aucune date n’est confirmée à ce jour.

Ce qu’est réellement FLUX 3 Video — Un seul modèle pour tout

FLUX 3 n’est pas un point de contrôle vidéo uniquement, auquel des outils distincts de synthèse vocale et sonore seraient ajoutés a posteriori. Il s’agit d’un modèle fondamental multimodal entraîné conjointement sur des images, des vidéos, de l’audio et des actions, au sein d’une seule architecture. L’approche Self-Flow aligne ces modalités afin qu’un impact généré puisse influencer le son, qu’une réplique parlée puisse façonner le mouvement des lèvres, et qu’une image de référence puisse guider les images vidéo ultérieures.

Cette conception constitue l’avantage central du produit. Un créateur peut passer sans heurt du texte à une image initiale, des images clés, des séquences existantes, des dialogues ou des ambiances, sans traiter chaque élément comme une tâche isolée. Le compromis est tout aussi important : une base large ne bat pas automatiquement un modèle vidéo spécialisé sur tous les tests de mouvement, de résolution ou de cohérence.

L’image générée officiellement ci-dessus illustre mieux l’étendue visuelle de FLUX 3 : une silhouette solitaire vêtue d’un manteau rouge brillant se tient à l’intérieur d’une laverie aux teintes vert fluorescent. Le sujet centré, les machines circulaires répétées et le contraste fort entre couleurs complémentaires créent immédiatement un accroche graphique tout en conservant la lisibilité de la scène.

Ce que FLUX 3 Video peut faire — Fonctionnalités et spécifications

La version actuelle de génération propose un ensemble de contrôles plus étendu que la simple génération texte-vers-vidéo :

• Jusqu’à 20 secondes : une seule génération peut contenir un échange complet de dialogues ou une courte scène publicitaire, plutôt que de s’interrompre après cinq ou dix secondes.
• Audio natif : dialogues, effets sonores et ambiances sont générés simultanément avec les images, et non ajoutés ultérieurement comme une piste vocale séparée.
• Entrées texte, image et images clés : démarrez à partir d’un prompt, animez une image initiale, définissez une image finale ou reliez plusieurs images clés.
• Poursuite vidéo : fournissez jusqu’à quatre secondes de vidéo et d’audio existants, puis poursuivez le mouvement, le comportement de la caméra, les dialogues et les sons de façon fluide à travers la jonction.
• Plusieurs plans : basculez entre scènes ou angles de caméra au sein d’une même génération, tout en maintenant la cohérence de la séquence.
• Typographie : affichez titres, enseignes, graphismes d’écran et lettrages animés comme éléments intégrés de la scène.
• Éventail de styles : passez facilement du style « caméscope » spontané à l’animation, à la publicité, à la nostalgie ou au cinéma soigné.
• Résolution : la génération est proposée en HD, avec une sortie Full HD disponible via un processus d’upscale ; ne confondez pas la résolution 1080p avec un rendu natif en 2K.

Sortie officielle FLUX 3 montrant trois images clés fournies reliées en une séquence de dix secondes. La ligne temporelle rend la méthode de contrôle plus intuitive qu’une simple image finale isolée.

src=https://r2.seedance.tv/blog/flux-3-video-review/official-typography-demo-v1.mp4  
poster=https://r2.seedance.tv/blog/flux-3-video-review/official-typography-poster-v1.jpg  
label=Sortie officielle FLUX 3 · typographie animée avec audio natif  

Cet exemple de typographie est un extrait réellement généré, et non une maquette conçue. Pour tester un concept comparable avant de choisir un modèle de production, commencez par le workflow texte-vers-vidéo de Seedance en utilisant le même brief, la même durée et le même format d’image.

Qualité en conditions réelles — Où FLUX 3 excelle et où il montre ses limites

L’avantage le plus net de FLUX 3 réside dans le contenu graphique en mouvement. Le texte terminal, les cartons, les enseignes et les lettrages conçus restent plus intentionnels que les marques illisibles produites par de nombreux modèles vidéo. Il navigue également aisément entre les styles « caméscope » spontané, rétro, animé et publicitaire. Les scènes dialoguées profitent du modèle audio-vidéo partagé : la parole, les expressions et le son ambiante sont planifiés conjointement.

src=https://r2.seedance.tv/blog/flux-3-video-review/official-dialogue-demo-v1.mp4  
poster=https://r2.seedance.tv/blog/flux-3-video-review/official-dialogue-poster-v1.jpg  
label=Sortie officielle FLUX 3 · scène dialoguée de 20 secondes avec audio natif  
```Cet échantillon complet de 20 secondes démontre concrètement l’avantage en durée réelle. Écoutez après avoir désactivé la sourdine, mais observez aussi les lignes de regard, les changements faciaux, la géométrie du microphone et la stabilité du cadrage sur l’ensemble du clip — une durée plus longue n’a de sens que si les dernières secondes restent exploitables.

Les limites sont visibles lors des tests de production plus exigeants. Le chemin de génération natif est en HD avec remontée en Full HD, tandis que le flux hébergé d’H3 peut atteindre un chemin de régénération en 2K. Les interactions rapides, les collisions, les contacts mains-objets et les objets persistants peuvent encore dériver. La durée est plafonnée à 20 secondes, mais une action peut se terminer prématurément ou s’étirer de façon non naturelle si la prompt ne précise pas correctement le déroulé temporel. La critique communautaire selon laquelle H3 peut paraître plus nette est légitime lorsque la comparaison repose sur des mouvements denses et une résolution élevée de restitution, et non sur une démonstration typographique.

La structure de la prompt modifie encore le résultat. Privilégiez une direction chronologique — sujet, action, caméra, dialogue et son — plutôt qu’un empilement d’adjectifs. Le [guide de prompting MiniMax H3](/fr/blog/minimax-h3-prompting-guide) propose une syntaxe fiable, séquence par séquence, adaptée à des tests équitables.

## Tarification — Ce que signifie concrètement « 0,17 $/seconde »

Le chiffre souvent cité de 0,17 $ par seconde provient des listes API partenaires, et non d’une simple fiche tarifaire publique BFL. Traitez-le comme une estimation prévisionnelle et vérifiez le point de terminaison en temps réel avant d’engager des dépenses.

| Volume de production | Coût estimé de génération |
| --- | ---: |
| Un clip de 10 secondes | Environ 1,70 $ |
| Dix clips de 10 secondes | Environ 17 $ |
| Cent clips de 10 secondes | Environ 170 $ |
| Un clip de 20 secondes | Environ 3,40 $ |

Ces totaux excluent les prises échouées, les nouvelles tentatives, la remontée de résolution, le stockage, le montage et les frais ajoutés par la plateforme. Pour une campagne nécessitant quatre versions candidates par clip approuvé, le budget doit être calculé à partir du nombre de candidats, et non du nombre de livrables finaux. Les tarifs partenaires publiés pour MiniMax H3 peuvent s’approcher de 0,08 $ par seconde, ce qui rend FLUX 3 environ deux fois plus coûteux au stade de l’API. Comfy Cloud suit un modèle de facturation basé sur la puissance de calcul ou sur les crédits, ce qui constitue une voie de coût différente, plutôt qu’une inférence locale gratuite.

Le verdict pratique : la tarification actuelle de l’API est raisonnable pour les prototypes, les publicités axées sur la typographie et les tests créatifs à forte valeur ajoutée. Elle est toutefois difficile à justifier pour une production massive non surveillée tant que les taux d’approbation ne s’améliorent pas ou que les poids ouverts ne déplacent pas le coût variable vers une infrastructure propriétaire.

## ComfyUI et configuration locale — État actuel

Il n’existe pas encore de checkpoint officiel FLUX 3 Dev destiné à l’inférence locale grand public. Black Forest Labs a annoncé une variante multimodale à poids ouverts, mais n’a pas encore fixé de date de publication ni de cible matérielle. Cela signifie que télécharger des fichiers communautaires portant un nom similaire ne permet pas de créer un workflow vidéo FLUX 3 local officiel.

La voie disponible reste hébergée : utilisez un workflow API dans ComfyUI dès qu’un nœud partenaire correspondant ou un catalogue cloud est disponible, fournissez la clé du fournisseur, et laissez l’infrastructure distante générer le clip. Vous conservez ainsi un graphe de nœuds reproductible pour les prompts, les références, le post-traitement et l’export, mais le modèle lui-même ne s’exécute pas sur votre poste de travail.

Si le contrôle local est votre priorité immédiate, [LTX 2.5 constitue l’option à poids ouverts la plus pratique](/fr/blog/ltx-2-5-review). H3 propose également des poids téléchargeables, bien que son pipeline vidéo-et-audio bénéficie fortement d’une grande quantité de VRAM, de mémoire système et d’un stockage rapide.

## FLUX 3 Video contre MiniMax H3 — Lequel choisir pour votre workflow ?

La décision dépend moins d’un « gagnant universel » que du goulot d’étranglement spécifique à votre tâche. Avant de comparer les résultats, établissez un contrôle stable d’H3 à l’aide des [meilleurs paramètres MiniMax H3](/fr/blog/best-minimax-h3-settings) ; sans cela, une base faible pourrait faire paraître tout concurrent meilleur qu’il ne l’est réellement.

| Dimension | FLUX 3 Video | MiniMax H3 |
| --- | --- | --- |
| Clip le plus long | Jusqu’à 20 secondes | Généralement 10 secondes dans le flux hébergé comparé |
| Chemin de livraison le plus élevé | Génération en HD, remontée en Full HD | Régénération hébergée en 2K |
| Audio natif | Oui | Oui, stéréo à 32 kHz |
| Typographie / animation de texte | Point fort principal | Basique |
| Mouvement physique complexe | Mitigé | Plus performant |
| Poids ouverts locaux | FLUX 3 Dev prévu | Disponibles dès maintenant |
| Prix approximatif via API partenaire | Environ 0,17 $/seconde | Environ 0,08 $/seconde |
| Cas d’usage optimal | Publicités de marque, animations textuelles, tests multimodaux et longs formats | Détail physique précis, livraison qualité première, travaux sensibles au coût |

Choisissez FLUX 3 lorsque des graphismes animés lisibles, une scène de 20 secondes, des esthétiques variées ou un dialogue intégré en une seule passe portent le concept. Choisissez H3 lorsque le détail physique, la finition hébergée en 2K, les poids locaux ou le coût de génération revêtent davantage d’importance. Pour une comparaison plus large de qualité et de workflow, consultez [Seedance 2.5 contre MiniMax H3](/fr/blog/seedance-2-5-vs-minimax-h3).

## Conclusion

FLUX 3 Video est une véritable fondation multimodale, et non simplement un autre modèle vidéo spécialisé. Ses typographies, sa variété de styles, son audio natif, ses images clés, sa capacité de continuation et ses extraits vidéo de 20 secondes constituent de véritables avantages ; en revanche, son chemin de livraison HD vers 1080p, ses tarifs partenaires, sa difficulté à modéliser la physique et l’absence encore de poids locaux publiés constituent des contraintes réelles. FLUX 3 Dev pourrait modifier cet équilibre dès son arrivée. Pour une qualité hébergée élevée et un parcours de production plus simple dès aujourd’hui, [créez votre prochaine vidéo sur Seedance →](/fr).