FLUX 3 Videomodell im Test: Von Text-zu-Video bis Video-Verlängerung – was Musikvideo-Creator wissen müssen

Um zwei Uhr morgens hast du endlich den perfekten Sound für den Refrain deines neuen Suno-Songs gefunden – aber beim passenden Bildmaterial hakt es wieder: Modell A liefert kinoreife Bilder, die aber nicht an die vorherige Szene anschließen; Modell B schafft den Anschluss, tauscht dabei aber das Gesicht der Hauptfigur aus. Wer Musikvideos macht, erwartet von einem Videomodell nie nur „einen einzelnen guten Clip”, sondern ein ganzes Video, das sich stimmig zusammenfügt.

Black Forest Labs (das Team hinter den FLUX-Bildmodellen) hat 2026 das FLUX 3 Videomodell vorgestellt und genau dieses „Zusammenfügen” zum Kernversprechen gemacht: Neben den üblichen Funktionen Text-zu-Video und Bild-zu-Video unterstützt es nativ Start-/Endbild, Keyframe-Sequenzen und Video-Verlängerung. Stand 5. August 2026 ist FLUX 3 bereits im Modellauswahlmenü von SunoMV verfügbar – dieser Artikel zeigt anhand unserer eigenen Testdaten aus erster Hand, was das Modell kann, wie schnell es ist, was es kostet und wann sich der Einsatz lohnt.

Was ist FLUX 3?

FLUX 3 ist eine Videogenerierungs-Modellreihe von Black Forest Labs, die auf einen Schlag fünf Generierungsarten bereitstellt: Text-zu-Video, Bild-zu-Video, Start-/Endbild-zu-Video, Keyframe-zu-Video und Video-Verlängerung. Die Ausgabe erfolgt in 720p oder 1080p, eine einzelne Einstellung dauert 5 bis 20 Sekunden, und das Modell unterstützt native Audiogenerierung – Bild und Ton entstehen in ein und demselben Durchlauf.

Für Musikvideos entsprechen diese fünf Modi fünf realen Workflows:

Fähigkeit	Eingabe	Passendes MV-Szenario
Text-zu-Video	Eine Textbeschreibung	Eine Stimmungsszene von Grund auf erstellen (Intro, Zwischenspiel)
Bild-zu-Video	Ein Bild	Lyric-Visuals „zum Leben erwecken”
Start-/Endbild-zu-Video	Start- und Endbild (zwei Bilder)	Übergang zwischen zwei Lyric-Szenen
Keyframe-zu-Video	Bis zu 10 zeitlich angeordnete Bilder	Eine lange Einstellung präzise nach Storyboard steuern
Video-Verlängerung	Ein bestehendes Video (bis zu 15 Sekunden)	Eine gelungene Einstellung natürlich verlängern

Image: a cinematic music-video frame generated with SunoMV

Praxisregel: Start-/Endbild und Keyframes sind zwei Granularitätsstufen derselben Sache – für einen Übergang reicht Start-/Endbild, Keyframes brauchst du nur, wenn du steuern willst, „was dazwischen passiert”.

Geschwindigkeit und Preis im Test: Ein 5-Sekunden-Clip in rund 104 Sekunden

Wir haben am 5. August 2026 mit demselben MV-tauglichen Test-Prompt getestet (eine Dachterrassen-Sänger-Szene mit Person, Rhythmus und Gegenlicht): Ein 5-Sekunden-Clip in 720p, Text-zu-Video, ohne Audio, war von der Einreichung bis zur Fertigstellung in 104 Sekunden fertig; über mehrere Testläufe hinweg lag die Zeit zwischen 100 und 125 Sekunden. Video-Verlängerungen sind etwas langsamer – im Test rund 174 Sekunden.

Hier ist unser Testclip (Prompt-Vorgaben: stabiles Gesicht und stabile Finger an der Hand mit dem Mikrofon, Bewegung im Takt der Musik, Gegenlicht zur goldenen Stunde, umlaufende Kamerafahrt):

Testclip: vom SunoMV Team am 05.08.2026 mit FLUX 3 Text-zu-Video erstellt (5 Sekunden / 720p)

Preislich liegt FLUX 3 laut der offiziellen API-Preisliste auf fal.ai für die Generierungsfunktionen bei 0,17 USD pro Sekunde (720p) bzw. 0,29 USD pro Sekunde (1080p); der Endpunkt für Video-Verlängerung ist mit 0,41 USD pro Sekunde in 720p teurer – weil das Modell zuerst dein Ausgangsvideo „verstehen” muss. In SunoMV musst du dich um diese API-Details nicht kümmern: FLUX 3-Übergänge werden pro Segment abgerechnet, und beim Auswählen des Modells im Editor siehst du sofort, wie viele credits das Segment kostet.

Praxisregel: Video-Verlängerung kostet pro Sekunde etwa das 2,4-fache einer normalen Generierung – bring die erste Generierung möglichst gleich auf den Punkt (Prompt mit Person, Licht und Kamerafahrt vollständig ausformulieren) und hebe die Verlängerung für Einstellungen auf, die „schon überzeugen, nur noch zu kurz sind”.

FLUX 3 vs. Seedance 2.0 vs. Kling O3 vs. Hailuo 03: Welches Modell wählen?

Alle vier Modelle lassen sich in SunoMV direkt auswählen. Kurz zusammengefasst: FLUX 3 punktet bei der Geschlossenheit einer einzelnen Einstellung (20-Sekunden-Obergrenze plus native Verlängerung), Seedance 2.0 punktet bei der Charakterkonsistenz über mehrere Einstellungen hinweg (bis zu 9 Referenzbilder zur Gesichtsfixierung).

Dimension	FLUX 3	Seedance 2.0	Kling O3 Pro	Hailuo 03
Länge pro Einstellung	5–20 Sekunden	4–15 Sekunden	3–15 Sekunden	5–15 Sekunden
Maximale Auflösung	1080p	720p (separate 4K-Stufe verfügbar)	1080p	2K
Start-/Endbild-Übergang	✅	✅	✅	✅
Keyframe-Sequenz	✅ (bis zu 10 Frames)	❌	❌	❌
Native Video-Verlängerung	✅ eigenständige Funktion	⚠️ über Referenzvideo umgesetzt	❌	❌
Referenzbilder zur Gesichtsfixierung	❌	✅ bis zu 9	✅ bis zu 4	✅ bis zu 9
Native Audiogenerierung	✅	✅	✅ (optional)	❌

Image: cross-shot character consistency — a key factor when picking a video model

Länge ist ein Hebel auf Ebene der einzelnen Einstellung, Referenzkapazität ist ein Hebel auf Ebene der ganzen Serie – Fortsetzungsinhalte scheitern an Charakter-Drift, nicht an der Clip-Qualität.

Mit diesem Maßstab betrachtet: Wenn dein Musikvideo ein „durchgehender Stimmungsfluss” ist (Lyric-Visuals eher bildhaft-assoziativ, ohne festen Hauptcharakter), sind die 20-Sekunden-Obergrenze und die Keyframe-Steuerung von FLUX 3 ein starker Hebel auf Einstellungsebene. Hat dein Musikvideo dagegen einen durchgehenden Hauptcharakter, ist die Gesichtsfixierung über mehrere Einstellungen hinweg wichtiger als die Länge einer einzelnen Einstellung – dann bleibt Seedance die verlässlichere Standardwahl. Genau weil beide Bedürfnisse real nebeneinander bestehen, legen wir die Wahl direkt in den Editor.

Ein Musikvideo mit FLUX 3 in SunoMV erstellen: Drei Schritte

1. Öffne suno.bi, füge deinen Suno-Song-Link ein (oder lade eine Audiodatei hoch) – die KI erstellt Zeile für Zeile passende Lyric-Visuals;
2. Wechsle in den Übergangs-/Outro-Video-Einstellungen des Editors das Videomodell zu FLUX 3, wählbar in 720p oder 1080p;
3. Klicke auf „Generieren” – FLUX 3 nutzt die Visuals zweier benachbarter Lyric-Zeilen als Start- und Endbild und erzeugt einen dynamischen Übergang, der beide Szenen verbindet, fertig in rund zwei Minuten pro Segment.

Image: a short-form music video generated with SunoMV

Häufig gestellte Fragen

Wie hängen FLUX 3 und die FLUX-Bildmodelle zusammen? Beide sind Produktlinien desselben Unternehmens (Black Forest Labs). Die FLUX-Bildmodelle sind bekannt für Detailtreue und Textwiedergabe; das FLUX 3 Videomodell führt dieselbe ästhetische DNA fort und ergänzt sie um Kontrolle über die zeitliche Dimension (Keyframes, Verlängerung).

Wie lang kann ein einzelnes FLUX 3-Video maximal sein? Eine einzelne Generierung dauert 5 bis 20 Sekunden. Für längere Inhalte nutzt du die Funktion „Video-Verlängerung”, oder SunoMV teilt den Song automatisch nach Lyric-Zeilen in mehrere Segmente auf.

Braucht FLUX 3 in SunoMV zusätzliche Konfiguration? Nein. Es ist wie Seedance, Kling und Hailuo ein integriertes Modell – einfach im Modellauswahlmenü anklicken, die Abrechnung erfolgt nutzungsbasiert in credits.

Zum Schluss

Eine Prognose, die man uns vorhalten darf: Bis Mitte 2027 dürfte „native Video-Verlängerung” so zum Standard bei Videomodellen werden, wie es Start-/Endbild heute schon ist – sollte diese Fähigkeit dann bei den führenden Modellen weiterhin flächendeckend fehlen, dürft ihr uns gerne mit diesem Artikel konfrontieren. Für Creator, die aber schon jetzt liefern müssen, hat FLUX 3 das konkrete Problem „eine Einstellung ist nicht lang genug” bereits gelöst.

Öffne SunoMV, füge einen deiner Suno-Songs ein und probiere mit FLUX 3 einen Übergang aus – dein nächstes Musikvideo muss auf kein Tutorial warten.

SunoMV Team