FLUX 3 Videoは音声つきで最長20秒の動画を生成
FLUX 3 Videoはテキストや画像から、音声つきで最長20秒の動画を作ります。つまり、音声は映像を作った後に追加するのではなく、フレームと同時に生成されます。
FLUX 3は動画・音声・画像・行動を生成・予測するBFLのモデルで、2026年8月4日に動画生成の機能が最初のバージョンとして一般提供されました。2026年9月30日時点のAPIドキュメントはFLUX 3をプレビュー版と説明し、画像や動画を参照素材に使うOmni Referenceは近日追加の予定としています。
公開時の公式ブログに書かれた解像度はHD（720p）とFull HD（1080p）で、Full HDは生成したHDをアップスケール（拡大して仕上げる処理）で大きくした出力です。2026年9月30日時点のドキュメントでは同じ仕組みでQHDとUHDも選べ、16:9のUHDは3840×2176です。
FLUX 3 Videoでできること
続き生成では、元の映像と音声のあとにどんな展開にするかを指示すると、動きとカメラワークとセリフが境目をまたいで続きます。撮影済みの素材を捨てずに延ばせます。
日本語のセリフも作ることができます。BFLは英語（複数の方言）・中国語・日本語など13言語を名指しし、ほかにも対応するとしています。
Starting today, an initial version of FLUX 3 Video for generation from text and images is generally available via the BFL API and select partners. ／ The model generates clips up to 20 seconds long in HD resolution, with Full HD output via upscaling and native audio created alongside the video. ／ FLUX 3 is our frontier multimodal model for generating and predicting video, audio, images, and actions. ／ With this release, its video generation capabilities are being made generally available for the first time. ／ We are releasing our model at HD (720p) and Full HD (1080p) resolutions ／ Text-to-Video: Describe a scene in simple language or using a detailed prompt. ／ Image-to-Video and Keyframes: Start with an image, specify an end frame, or set multiple keyframes in a clip. ／ Video Continuation: Provide FLUX 3 Video with up to four seconds of existing video and audio and tell it what should happen next. ／ The model takes both components into account to continue movement, camera behavior, dialogue, and audio across the video seam. ／ Creating Multiple Shots: Create multiple scenes and camera angles within a single video, while keeping the sequence coherent. ／ Audio and Dialogue: Generate dialogue, sound effects, and ambient sounds along with the individual frames. — 一般提供の開始形態（ページ掲載日 August 4, 2026）、クリップ長と解像度、モデルの概要、および図表に示した機能の説明より公式情報を見る →
hd is delivered straight off the generation. fhd, qhd, and uhd run the same generation and finish it with the video upsampler on a larger canvas, so the shot is identical across all four and only the delivered size differs. ／ generate_audio On by default. Set false for a silent clip. — 解像度クラスの違い、および音声生成の設定に関する記述より公式情報を見る →
FLUX 3 is a preview model. Omni Reference with images and videos will be available soon. — プレビュー版であることに関する記述より公式情報を見る →
AI動画の料金はどう計算するのか
FLUX 3 Videoの料金は秒単価で定まり、Draftなら1秒0.06ドル（約9.52円）から利用することができます。秒単価は出力する動画1秒あたりの料金（1クレジット＝0.01ドル（約1.59円））で、支払う総額は動画の長さと解像度に加えて本生成かDraftかでも変わります。
| 解像度・種別 | テキスト・画像→動画 | 続き生成 |
|---|---|---|
| HD | 0.17ドル（約27円） | 0.41ドル（約65円） |
| Full HD（FHD） | 0.29ドル（約46円） | 0.53ドル（約84.1円） |
| QHD | 0.40ドル（約63.5円） | 0.65ドル（約103円） |
| UHD | 0.80ドル（約127円） | 0.95ドル（約151円） |
| Draft | 0.06ドル（約9.52円） | 0.12ドル（約19円） |
表の金額は2026年9月30日時点の公式料金で、いずれも1秒あたりです。Full HD以上はHDの生成をアップスケールした出力ですが、料金は元のHDではなく届いた解像度の単価で請求されます。
同じ解像度のテキスト・画像→動画と比較すると続き生成だけが割高で、単価はHDなら約2.4倍でFull HDなら約1.8倍です。Draftも続き生成では0.12ドル（約19円）と、テキスト・画像からのDraftの2倍です。
生成できる長さはテキスト→動画と画像→動画が5〜20秒、続き生成が5〜15秒です。20秒の動画をテキストから作った場合の費用は次のとおりです。
- HD：3.4ドル（約539円）
- Full HD：5.8ドル（約920円）
- QHD：8ドル（約1,269円）
- UHD：16ドル（約2,538円）
- Draft：1.2ドル（約190円）
同じ20秒を続き生成で作ることはできません。上限の15秒でもHDで6.15ドル（約976円）、Full HDで7.95ドル（約1,261円）かかります。
動画生成は仕上がりを見るまで意図どおりかどうかわからないので、作り直すたびに費用がかさみます。Draftなら本生成の約1/3の費用でHDの下書きを作ることができるので、気に入った1本だけを本生成に回せます。
draft: trueを指定して下書きを作ると結果にdraft_cacheという再現用のデータが入ります。mode: "draft_enhance"を選んでdraft_cacheを与えると同じ構図と同じ動きのまま本生成で描き直され、解像度はデフォルトでFull HDになります。
1秒あたりで見ると気に入らない下書きが2回続いても合計0.12ドル（約19円）で、HDの本生成1回の0.17ドル（約27円）より安くなり、3回続くと0.18ドル（約28.6円）で本生成より高くなります。下書きを使わずに本生成を新しく送信すると、下書きと同じ構図や動きになるとは限りません。
FLUX 3 generates video with synchronized audio and uses per-second pricing — cost scales with clip length, resolution (hd, fhd, qhd, or uhd), and whether you run a full render or a fast draft. ／ Text to Video (t2v) $0.17/s $0.29/s $0.40/s $0.80/s $0.06/s ／ Image to Video (i2v) $0.17/s $0.29/s $0.40/s $0.80/s $0.06/s ／ Video Continuation (v2v) $0.41/s $0.53/s $0.65/s $0.95/s $0.12/s ／ Drafts render at hd and cost about a third of a full render, so you can explore variants freely and only pay full price for the shot you keep. ／ 1 credit equals $0.01 USD. — モード別の秒単価表、Draftの費用、およびクレジットの換算に関する記述より公式情報を見る →
draft: true returns a fast preview instead of a full render, plus a draft_cache bundle in the result. ／ mode: "draft_enhance" renders the preview you picked at full quality: send its bundle as draft_cache and the original generation is reproduced. Same shot, same seed, nothing re-interpreted. ／ Each fresh submit is its own generation, so the direct full render can interpret the shot differently from the draft you liked. — Draftの出力、draft_enhanceによる再現、および本生成を直接投げ直した場合の扱いに関する記述より公式情報を見る →
生成AIのSeedance 2.5・MiniMax H3との比較
費用を前もって見積もりたいならFLUX 3 Videoが適していて、長さを優先するならSeedance 2.5、重みを自分のPC上に置くならMiniMax H3のほうが合います。比較先の詳細は動画生成AIのSeedance 2.5が公開、1回で30秒まで生成可能にとMiniMax H3のライセンスと商用利用の条件、日本は適用地域に入るにまとめています。
| モデル | 1回の長さ | 提供方法 |
|---|---|---|
| FLUX 3 Video | 5〜20秒（続きは5〜15秒） | BFLのAPIと提携先 |
| Seedance 2.5 | 最長30秒 | APIは近日予定（公式ブログの記載） |
| MiniMax H3 | 4〜15秒 | 重みを公開 |
| モデル | 参照素材 | 料金の出し方 |
|---|---|---|
| FLUX 3 Video | 画像1〜10枚と動画は最大4秒 | 秒単価を公開 |
| Seedance 2.5 | 画像30枚・動画10本・音声10本 | 公表されていない |
| MiniMax H3 | 画像9枚・動画3本・音声3本（合計12ファイルまで） | 自分のPC上で動作させる費用 |
音声はどのモデルも映像と同時に作られ、MiniMax H3は32kHzのステレオ音声を出力します。MiniMax H3を公開済みの重みだけで公式手順どおりに動作させると出力は768pまでなので、ローカル環境で完結させる運用ならその解像度で十分かをMiniMax H3の記事で先にチェックしておきましょう。
FLUX 3 Videoの決め手は長さでも重みの公開でもなく、秒単価が公開されていて下書きから本生成へ進む手順も仕様に用意されていることです。Seedance 2.5は公式ブログに料金の記載がなく、MiniMax H3は重みを自分のPC上で動作させる方式なので、3モデルのうち秒単価を公開しているのはFLUX 3 Videoだけです。
公式の品質評価は自社の内部評価で、第三者のベンチマークではありません。人間の評価者は、テキスト→動画と画像→動画の両方でFLUX 3 Videoを最も好んだとのこと。公式によるとテキスト→動画では既存のSOTA（最高水準）モデルより明確に高い評価で、画像→動画ではSeedance 2.0と同等でそれ以外のSOTAモデルよりは高い評価です。
同等とされた比較対象はSeedance 2.0で、より新しいSeedance 2.5ではありません。この内部評価からは、Seedance 2.5より優れているかどうかを判断することができません。
Human raters found it to be the preferred model for both text-to-video and image-to-video generation. ／ In our internal evaluation, FLUX 3 outperforms existing SOTA models in text to video generation by a solid margin. ／ It ties Seedance 2.0 and beats all other existing SOTA models in image-to-video. — 人手評価と内部評価の結果、および比較対象モデルに関する記述より公式情報を見る →
APIと重みの公開にはどんな制限があるか
APIで受け取る動画のURLはジョブ完了から約2時間で切れるので、Readyになったらすぐ保存します。APIは非同期なのでリクエストを送信すると状態を問い合わせるためのURL（polling_url）が返り、状態がReadyになるまで問い合わせを繰り返すと署名つきの結果URLが届きます。
リクエストもレスポンスもJSON形式です。モードごとにパラメータの構成が変わるので、自分のPC上で整形して中身を見ながら組むほうが早く進みます。
動画モデルの重みは非公開です。オープンウェイト（重みを配布して自分のPC上で動作させることができる公開方式）モデルのFLUX 3 Devは公式のロードマップで予告されているだけで、公開日は書かれていません。
ロードマップには、画像の生成と編集用のFLUX 3 Imageも掲載されています。また重みが公開済みのFLUX 3 Actionは7Bのロボット向け行動モデルで、動画モデルとは別物です。
BFLは第三者のCinder（シンダー）と組んで、公開前にリスク評価を実施したとしています。非同意の性的画像（NCII）と児童性的虐待表現（CSAM）を含むリスクについて、対応するすべての入出力の種類で緩和策（被害を抑える対策）を検証したとしています。
FLUX 3 is asynchronous. You submit a request and get back an id and a polling_url; then you poll that URL until the job turns Ready and returns your result. ／ Result URLs are signed and expire about 2 hours after the job finishes. ／ Download the video promptly once the status is Ready. ／ FLUX 3 Action is a 7B world action model with open weights.
— 非同期処理の流れ、結果URLの期限、およびFLUX 3 Actionの重みに関する記述より公式情報を見る →FLUX 3 Video is available now through the BFL API and selected partners. ／ Our roadmap further includes FLUX 3 Image for image generation and editing, and FLUX 3 Dev as an open-weight variant. ／ Working with a trusted third-party partners, Cinder ／ we evaluated FLUX 3 Video for a range of risks prior to release to validate our mitigations across the full range of supported modalities, including non-consensual intimate imagery (NCII) and child sexual abuse material (CSAM). — 提供の形態、ロードマップ、および公開前の第三者評価の範囲に関する記述より公式情報を見る →
Draftで下書きしてから本生成へ進めば費用を抑えられる
FLUX 3 Videoは最長20秒・音声つきの動画生成AIで、料金が秒単価で公開されているので費用を前もって見積もれます。Draftで下書きを作って構図を選べば、本生成の料金がかかるのは気に入った1本だけです。
長さが必要ならSeedance 2.5、重みを自分のPC上に置きたいならMiniMax H3のほうが合います。FLUX 3 Videoで生成した動画のURLは約2時間で切れるので、Readyになったらすぐ保存しておきましょう。
FAQ
- FLUX 3 Videoは何秒の動画を作ることができますか？
- テキストや画像から作る場合は5〜20秒で、既存動画の先を作る続き生成だけは5〜15秒までです。2026年9月30日時点のドキュメントでは24fpsで出力され、解像度をHD（720p）から最大4K級（16:9で3840×2176）まで選ぶことができます。
- 料金はいくらですか？
- 料金は動画1秒ごとにかかる従量課金で、テキストや画像から作る場合はHDが0.17ドル（約27円）でFull HDが0.29ドル（約46円）、下書き用のDraftなら0.06ドル（約9.52円）です。手持ちの動画に続けて作る続き生成は割高でHDが0.41ドル（約65円）、Full HDが0.53ドル（約84.1円）です（2026年9月30日時点）。
- 重みは公開されていますか？自分のPC上で動作させることができますか？
- 動画モデルの重みは公開されていないので、自分のPC上では動作させることができません。FLUX 3 VideoはBFLのAPIと提携先からしか使うことができず、重みを配布するオープンウェイトモデルのFLUX 3 Devは予告されているものの公開日は書かれていません。
- 日本語のセリフも作ることができますか？
- 作ることができます。BFLは英語（複数の方言）・中国語・日本語など13言語を名指しし、他の言語にも対応するとしています。口の動きをセリフに合わせるリップシンクも精密とのこと。
関連する記事
FLUX Video Upscaleで動画を高画質化する方法と料金の目安FLUX Video Upscaleは動画を最大4Kまで高画質化するAPIで、2026年8月20日に公開されました。入力は20秒・50MB・2Kまでで、料金は出力のメガピクセル秒で課金されます。顔や商品を変えたくない動画はprecise、デフォルトのcreativeは顔や商品が変わることがあります。
AIワークフロー構築ツール7種に脆弱性14件、プロンプトでコード実行もEndor LabsはDifyやLangflowなど、AIワークフロー構築ツール7種で14件の脆弱性を見つけたと発表しました。なかには認証がなくても、プロンプトからサーバー上でコードを実行できるものもあります。NocoBaseなど4つの製品には修正版が出ていますが、KestraとDifyは修正しない方針で、Flowiseは開発が終了しています。
CloudflareのGLM-5.3で155件の応答に他人のリクエスト内容が混入Cloudflare Workers AIのGLM-5.3で、8月27日〜9月9日に155件の応答へ他人のリクエスト内容が混ざりました。681,280トークンを超える長い入力への応答だけが対象です。Cloudflareは設定の不一致と推論エンジンSGLangの不具合が重なったと説明し、修正済みとのこと。
パナソニック、利用禁止の生成AIに約33万人分の個人情報をアップロードパナソニック オペレーショナルエクセレンスは10月23日、社内で利用を禁じている外部の生成AIサービスに、従業員や家族など約33万人分の個人情報がアップロードされたと発表しました。生成AIの事業者はAI学習機能が無効だったと回答し、被害は確認されていないとのこと。対象者に求められる対応はありません。