FLUX 3 a prueba: de texto a video a extensión de video, lo que le importa a los creadores de videos musicales

Son las dos de la madrugada, por fin le encontraste el tono correcto al coro de tu nueva canción en Suno, pero al ponerle imágenes te atascas de nuevo: el modelo A produce tomas con look cinematográfico que no conectan con la escena anterior, el modelo B sí conecta pero le cambia la cara al protagonista. Cuando haces videos musicales, lo que le pides a un modelo de video nunca es “que un solo clip se vea bien”, sino “que todo el video musical fluya como una sola pieza”.

Black Forest Labs (el equipo detrás de los modelos de imagen FLUX) lanzó en 2026 su modelo de video FLUX 3, y justo apostó por esa “continuidad” como su gran diferenciador: además de las funciones habituales de texto a video e imagen a video, soporta de forma nativa primer y último fotograma, secuencias de fotogramas clave y extensión de video. Hasta el 5 de agosto de 2026, FLUX 3 ya está disponible en el selector de modelos de video de SunoMV; en este artículo te contamos, con datos de nuestras propias pruebas, qué puede hacer, qué tan rápido, cuánto cuesta y cuándo conviene elegirlo.

¿Qué es FLUX 3?

FLUX 3 es la familia de modelos de generación de video de Black Forest Labs, que abre de una vez cinco formas de generación: texto a video, imagen a video, video a partir de primer y último fotograma, video a partir de fotogramas clave y extensión de video. Genera en 720p o 1080p, con tomas de 5 a 20 segundos, y soporta generación de audio nativo, es decir, la imagen y el sonido se producen en una sola pasada.

Para el caso de uso de videos musicales, estas cinco formas corresponden a cinco flujos de trabajo reales:

Capacidad	Entrada	Escena de video musical ideal
Texto a video	Una descripción en texto	Crear desde cero una toma de ambiente (apertura, interludio)
Imagen a video	Una imagen	Hacer que la ilustración de una línea de letra “cobre vida”
Video con primer y último fotograma	Dos imágenes: primer y último fotograma	Transición entre dos escenas de letra consecutivas
Video con fotogramas clave	Hasta 10 imágenes ordenadas en el tiempo	Controlar con precisión una toma larga según un guion gráfico
Extensión de video	Un video existente (de hasta 15 segundos)	Alargar de forma natural una toma que ya quedó bien

Image: a cinematic music-video frame generated with SunoMV

Regla práctica: primer/último fotograma y fotogramas clave son en el fondo la misma técnica en distinto nivel de detalle: para una transición basta con primer y último fotograma; solo necesitas fotogramas clave cuando quieres controlar “qué pasa exactamente en el medio”.

Velocidad y precio en la práctica: un clip de 5 segundos tarda unos 104 segundos

El 5 de agosto de 2026 hicimos la prueba con la misma instrucción de nivel MV (una escena de cantante en una azotea, con personaje, movimiento al ritmo y contraluz): un clip de texto a video de 5 segundos en 720p, sin audio, tardó 104 segundos desde que se envió hasta que se generó; en varias corridas el rango se mantuvo entre 100 y 125 segundos. Las tareas de extensión de video son un poco más lentas: en nuestra prueba, alrededor de 174 segundos.

Esta es la muestra real que generamos (el prompt pedía: rostro y dedos sosteniendo el micrófono estables, movimiento siguiendo el ritmo, contraluz de hora dorada, cámara envolvente):

Muestra: generada por el equipo de SunoMV el 2026-08-05 con texto a video de FLUX 3 (5 segundos / 720p)

En cuanto al precio, según la tarifa oficial de la API de FLUX 3 en fal.ai, las capacidades de generación cuestan 0.17 USD por segundo (720p) y 0.29 USD por segundo (1080p); el endpoint de extensión de video es más caro, 0.41 USD por segundo en 720p, porque primero tiene que “entender” el video fuente que le entregas. En SunoMV no tienes que preocuparte por estos detalles de la API: las transiciones con FLUX 3 se cobran por segmento, y el editor te muestra directamente cuántos credits va a costar ese segmento al elegir el modelo.

Regla práctica: el precio por segundo de la extensión de video es alrededor de 2.4 veces el de la generación normal; prioriza acertar bien en la primera generación (escribe el prompt con detalle de personaje, iluminación y movimiento de cámara) y deja la extensión solo para las tomas que “ya te convencen, pero les falta duración”.

FLUX 3 frente a Seedance 2.0, Kling O3 y Hailuo 03: cómo elegir

Estos cuatro modelos están disponibles directamente en SunoMV. Resumen en una frase: FLUX 3 destaca en la completitud de una sola toma (tope de 20 segundos + extensión nativa), Seedance 2.0 destaca en la consistencia del personaje entre tomas (hasta 9 imágenes de referencia para fijar el rostro).

Dimensión	FLUX 3	Seedance 2.0	Kling O3 Pro	Hailuo 03
Duración por toma	5–20 s	4–15 s	3–15 s	5–15 s
Resolución máxima	1080p	720p (con un nivel 4K aparte)	1080p	2K
Transición con primer/último fotograma	✅	✅	✅	✅
Secuencia de fotogramas clave	✅ (hasta 10 fotogramas)	❌	❌	❌
Extensión de video nativa	✅ capacidad independiente	⚠️ implementada como video de referencia	❌	❌
Imágenes de referencia para fijar rostro	❌	✅ hasta 9	✅ hasta 4	✅ hasta 9
Audio nativo	✅	✅	✅ (opcional)	❌

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

La duración es una palanca a nivel de toma; la capacidad de referencia es una palanca a nivel de serie: el contenido episódico se muere por la deriva del personaje, no por la calidad de un clip.

Con este criterio: si tu video musical es “un flujo de ambiente continuo” (imágenes ligadas a la letra, más simbólicas, sin depender de un protagonista fijo), el tope de 20 segundos y el control por fotogramas clave de FLUX 3 son una palanca fuerte a nivel de toma; si tu video musical tiene un protagonista que atraviesa todo el video, fijar el rostro entre tomas importa mucho más que la duración de una sola toma, y ahí la familia Seedance sigue siendo la opción más estable por defecto. Ponemos la decisión directamente en el editor porque estas dos necesidades coexisten de verdad.

Usar FLUX 3 en SunoMV para hacer un video musical: tres pasos

1. Abre suno.bi, pega el enlace de tu canción de Suno (o sube el audio); la IA genera automáticamente una ilustración para cada línea de la letra;
2. En la configuración de transiciones o video final del editor, cambia el modelo de video a FLUX 3; puedes elegir resolución de 720p o 1080p;
3. Genera: FLUX 3 toma las imágenes de dos líneas de letra consecutivas como primer y último fotograma, y genera una transición dinámica que las conecta, con un tiempo de generación de alrededor de dos minutos.

Image: a short-form music video generated with SunoMV

Preguntas frecuentes

¿Qué relación tiene FLUX 3 con los modelos de imagen FLUX? Son dos líneas de producto de la misma empresa (Black Forest Labs). Los modelos de imagen de la familia FLUX destacan por el detalle y el renderizado de texto; el modelo de video FLUX 3 hereda esa misma base estética y le suma control en la dimensión temporal (fotogramas clave, extensión).

¿Cuánto puede durar como máximo un video generado con FLUX 3? Cada generación produce entre 5 y 20 segundos. Para contenido más largo, se usa la capacidad de “extensión de video” para continuar la toma, o en SunoMV se puede dividir automáticamente por líneas de letra en varios segmentos.

¿Necesito alguna configuración adicional para usar FLUX 3 en SunoMV? No. Es un modelo integrado igual que Seedance, Kling y Hailuo: lo seleccionas directamente en el selector de modelos y se cobra según el uso en credits.

Para cerrar

Una predicción que con gusto nos pueden echar en cara si falla: para mediados de 2027, la “extensión de video nativa” será un estándar de los modelos de video tan común como hoy lo es el primer/último fotograma; si para entonces los modelos principales siguen sin esta capacidad, eres bienvenido a recordarnos este artículo. Pero para quien tiene que entregar un video musical hoy mismo, FLUX 3 ya resolvió el problema concreto de “esta toma no me dura lo suficiente”.

Abre SunoMV, pega una de tus canciones de Suno y prueba una transición con FLUX 3: tu próximo video musical no tiene que esperar el tutorial de nadie.

SunoMV Team