FLUX 3 Video - ネイティブオーディオ対応のAIビデオ生成

ComfyUIでFLUX 3を使用して、テキストまたは画像から同期されたオーディオ付きのビデオを生成できます。1回のパスで最大20秒の映像を生成可能です。

FLUX 3 は、Black Forest Labs のマルチモーダル基盤モデルで、2026年7月23日に発表され、現在はアーリーアクセス中です。これは、Self-Flow を基盤とした統一アーキテクチャ内で、画像、ビデオ、オーディオから共同で学習します。Self-Flow は、同じモデル内でマルチモーダル生成と理解を整合させる彼らのアプローチです。各モダリティを個別に扱うのではなく、FLUX 3 は世界の共有表現を学習します。つまり、物体がどのように結びついているか、物事がどのように動くか、出来事がどのように聞こえるかです。機能と制限は、アーリーアクセスの展開中に変更される可能性があります。

ビデオに関して、FLUX 3 は1回の生成で、最大20秒のネイティブオーディオ付きの、非常に多様なクリップを作成します。すべての出力には、環境音、音声、エフェクトを含む同期オーディオ生成が付属します。テキストから動画への生成と画像から動画への生成をサポートしており、個々のクリップをより長いシーケンスへと連結するマルチショット出力と、柔軟なアスペクト比に対応しています。

APIノードを使用するには、正しくログインしていることと、許可されたネットワーク環境で使用していることを確認する必要があります。APIノードの使用に必要な具体的な要件については、ドキュメントの「APIノードの概要」セクションをご参照ください。

ローカルユーザー

ComfyUI が最新版に更新されていることを確認してください。

• ComfyUI のダウンロード
• 更新手順

このガイドで紹介するワークフローは、ワークフローテンプレートから入手できます。 テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。

ワークフローを読み込んだ際にノードが欠落している場合の考えられる原因：

1. 最新の ComfyUI（Nightly 版）を使用していない
2. 起動時に一部のノードのインポートに失敗している

クラウドユーザー

• Cloud は、ComfyUI の安定版リリース後に更新されます。

したがって、このドキュメントでコアノードが見つからない場合、それは新しいコアノードがまだ最新の安定版にリリースされていない可能性があります。次回の安定版リリースをお待ちください。

​

FLUX 3 Video が得意なこと

• ネイティブオーディオ：すべてのビデオに、環境音、音声、効果音を含む同期オーディオが付属します
• 最大20秒：1回のパスで長いクリップを生成します
• テキストと画像の入力：テキストプロンプトからビデオを生成するか、開始フレーム画像から続きを生成します
• 柔軟なフォーマット：720pまたは1080pの解像度、24fps、9:16から21:9までのアスペクト比
• マルチショット出力：個々のクリップをつなぎ合わせて長いシーケンスにし、より長いストーリーテリングを実現します

​

出力例

単一のプロンプトを使用したテキストから動画への生成。オーディオ、モーション、物理が同期されます：

開始フレームとテキストプロンプトを使用した画像から動画への生成：

APIノードを使用するには、正しくログインしていることと、許可されたネットワーク環境で使用していることを確認する必要があります。APIノードの使用に必要な具体的な要件については、ドキュメントの「APIノードの概要」セクションをご参照ください。

ローカルユーザー

ComfyUI が最新版に更新されていることを確認してください。

• ComfyUI のダウンロード
• 更新手順

このガイドで紹介するワークフローは、ワークフローテンプレートから入手できます。 テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。

ワークフローを読み込んだ際にノードが欠落している場合の考えられる原因：

1. 最新の ComfyUI（Nightly 版）を使用していない
2. 起動時に一部のノードのインポートに失敗している

クラウドユーザー

• Cloud は、ComfyUI の安定版リリース後に更新されます。

したがって、このドキュメントでコアノードが見つからない場合、それは新しいコアノードがまだ最新の安定版にリリースされていない可能性があります。次回の安定版リリースをお待ちください。

​

FLUX 3 テキストから動画へのワークフロー

単一のテキストプロンプトから完全なビデオを生成します。FLUX 3 は、参照画像や複雑な設定を必要とせず、自然言語を、オーディオ・モーション・物理が同期された完全なシーンへと展開します。

Comfy Cloud で実行

Comfy Cloud で開く

ワークフローをダウンロード

JSON をダウンロードするか、テンプレートライブラリで「FLUX 3 Video」を検索してください

​

FLUX 3 画像から動画へのワークフロー

テキストプロンプトと開始フレーム画像から完全なビデオを生成します。FLUX 3 は、あなたの説明を、同期されたオーディオ、モーション、物理演算を伴う一貫性のあるシーンへと自動的に拡張します。

Comfy Cloud で実行

Comfy Cloud で開く

ワークフローをダウンロード

JSON をダウンロードするか、テンプレートライブラリで「FLUX 3 ビデオ」を検索してください

​

はじめる

1. ComfyUIを最新バージョンにアップデートする
2. テンプレートライブラリに移動して、FLUX 3 Video を検索する