FLUX 3 alla prova: dal text-to-video all’estensione video, cosa serve sapere a chi crea music video

Sono le due di notte, hai finalmente trovato il suono giusto per il ritornello della tua nuova canzone su Suno, ma quando si tratta di abbinare le immagini ti blocchi di nuovo: il modello A produce immagini cinematografiche ma non si raccordano con la scena precedente, il modello B si raccorda ma cambia il volto del protagonista. Chi crea music video non chiede a un modello video solo che «una singola clip sia bella», ma che «l’intero MV si tenga insieme».

Black Forest Labs (il team dietro i modelli immagine FLUX), con il modello video FLUX 3 lanciato nel 2026, ha puntato proprio su questo «tenersi insieme»: oltre al classico text-to-video e image-to-video, supporta nativamente primo/ultimo fotogramma, sequenze di fotogrammi chiave ed estensione video. Al 5 agosto 2026, FLUX 3 è entrato nel selettore di modelli video di SunoMV — questo articolo racconta, con i nostri dati di prova diretta, cosa sa fare, quanto è veloce, quanto costa e quando conviene sceglierlo.

Cos’è FLUX 3?

FLUX 3 è la famiglia di modelli di generazione video di Black Forest Labs, che apre in un colpo solo cinque modalità di generazione: text-to-video, image-to-video, generazione da primo/ultimo fotogramma, generazione da fotogrammi chiave ed estensione video. L’output è in 720p o 1080p, con inquadrature singole da 5 a 20 secondi, e supporta la generazione di audio nativo — cioè immagini e audio vengono prodotti nella stessa generazione.

Per lo scenario dei music video, queste cinque modalità corrispondono a cinque flussi di lavoro reali:

Funzione	Input	Scenario MV adatto
Text-to-video	Una descrizione testuale	Creare da zero un’inquadratura d’atmosfera (apertura, interludio)
Image-to-video	Un’immagine	Far «muovere» l’illustrazione abbinata al testo della canzone
Generazione da primo/ultimo fotogramma	Due immagini: primo e ultimo fotogramma	Transizione tra le immagini di due strofe
Generazione da fotogrammi chiave	Fino a 10 immagini ordinate nel tempo	Controllare con precisione un piano sequenza seguendo lo storyboard
Estensione video	Un video già esistente (entro 15 secondi)	Allungare in modo naturale un’inquadratura riuscita

Image: a cinematic music-video frame generated with SunoMV

Regola pratica: primo/ultimo fotogramma e fotogrammi chiave sono due livelli di granularità della stessa cosa — per le transizioni basta primo/ultimo fotogramma, i fotogrammi chiave servono solo quando vuoi controllare «cosa succede nel mezzo».

Velocità e prezzi nella prova: una clip di 5 secondi in circa 104 secondi

Il 5 agosto 2026 abbiamo condotto un test con lo stesso prompt di livello MV (un cantante su un tetto, in controluce, con movimento a tempo) per tutte le modalità: una clip text-to-video di 5 secondi in 720p, senza audio, ha impiegato 104 secondi dalla richiesta alla consegna; su più run i tempi si sono attestati tra 100 e 125 secondi. Il compito di estensione video è più lento, con circa 174 secondi nella nostra prova.

Ecco la clip di prova (il prompt richiedeva: volto e dita che reggono il microfono stabili, movimento a tempo, controluce dell’ora dorata, ripresa circolare):

Clip di prova: generata dal team SunoMV il 2026-08-05 con FLUX 3 text-to-video (5 secondi / 720p)

Sul fronte prezzi, secondo il listino ufficiale dell’API FLUX 3 su fal.ai, le funzioni di generazione costano 0,17 $ al secondo (720p) e 0,29 $ al secondo (1080p); l’endpoint di estensione video è più caro, 0,41 $ al secondo in 720p — perché deve prima «capire» il video sorgente che gli fornisci. Su SunoMV non devi preoccuparti di questi dettagli dell’API: le transizioni con FLUX 3 vengono addebitate per segmento, e quando scegli il modello nell’editor vedi direttamente quanti credits costerà quel segmento.

Regola pratica: il prezzo unitario dell’estensione video è circa 2,4 volte quello della generazione normale — punta a fare bene la prima generazione (prompt ricco di dettagli su personaggio, luce, movimento di camera) e riserva l’estensione alle inquadrature «già approvate, solo troppo corte».

FLUX 3 vs Seedance 2.0 vs Kling O3 vs Hailuo 03: come scegliere

Tutti e quattro i modelli sono selezionabili direttamente in SunoMV. In sintesi: FLUX 3 eccelle nella coerenza della singola inquadratura (limite di 20 secondi + estensione nativa), Seedance 2.0 eccelle nella coerenza del personaggio tra più inquadrature (fino a 9 immagini di riferimento per fissare il volto).

Dimensione	FLUX 3	Seedance 2.0	Kling O3 Pro	Hailuo 03
Durata singola inquadratura	5–20 secondi	4–15 secondi	3–15 secondi	5–15 secondi
Risoluzione massima	1080p	720p (disponibile anche un livello 4K separato)	1080p	2K
Transizione primo/ultimo fotogramma	✅	✅	✅	✅
Sequenza di fotogrammi chiave	✅ (fino a 10 fotogrammi)	❌	❌	❌
Estensione video nativa	✅ funzione indipendente	⚠️ realizzata tramite video di riferimento	❌	❌
Immagini di riferimento per fissare il volto	❌	✅ fino a 9	✅ fino a 4	✅ fino a 9
Audio nativo	✅	✅	✅ (opzionale)	❌

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

La durata è una leva a livello di inquadratura, la capacità di riferimento è una leva a livello di serie — i contenuti seriali muoiono per la deriva del personaggio, non per la qualità della clip.

Con questo criterio: se il tuo MV è «un flusso d’atmosfera in un unico piano» (immagini legate al testo più astratte, senza un protagonista fisso), il limite di 20 secondi e il controllo tramite fotogrammi chiave di FLUX 3 sono una leva potente a livello di inquadratura; se il tuo MV ha un protagonista che attraversa l’intero video, la coerenza del volto tra le inquadrature conta molto più della durata della singola inquadratura, e in questo caso la famiglia Seedance resta la scelta predefinita più stabile. Abbiamo messo la scelta direttamente nell’editor anche perché questi due tipi di esigenze coesistono davvero.

Creare un music video con FLUX 3 su SunoMV: tre passaggi

1. Apri suno.bi, incolla il link della tua canzone Suno (oppure carica un file audio): l’AI genera automaticamente un’illustrazione per ogni frase del testo;
2. Nelle impostazioni di transizione / video finale dell’editor, imposta il modello video su FLUX 3, scegliendo la risoluzione 720p o 1080p;
3. Clicca su genera: FLUX 3 userà le immagini di due frasi consecutive del testo come primo e ultimo fotogramma, generando una transizione dinamica che le collega, pronta in circa due minuti.

Image: a short-form music video generated with SunoMV

Domande frequenti

Che rapporto c’è tra FLUX 3 e i modelli immagine FLUX? Due linee di prodotto della stessa azienda (Black Forest Labs). I modelli immagine della serie FLUX si distinguono per dettaglio e resa del testo; il modello video FLUX 3 eredita lo stesso DNA estetico, aggiungendo capacità di controllo sulla dimensione temporale (fotogrammi chiave, estensione).

Qual è la durata massima di un singolo video generato con FLUX 3? Una singola generazione va da 5 a 20 secondi. Per contenuti più lunghi si usa la funzione di «estensione video», oppure su SunoMV il contenuto viene suddiviso automaticamente in più segmenti in base alle frasi del testo.

Serve una configurazione extra per usare FLUX 3 su SunoMV? No. È un modello integrato come Seedance, Kling e Hailuo: basta selezionarlo nel selettore di modelli, e i credits vengono addebitati in base all’utilizzo.

Per concludere

Una previsione che ci esponiamo volentieri a smentire: entro la metà del 2027, «l’estensione video nativa» diventerà uno standard dei modelli video così come oggi lo è il primo/ultimo fotogramma — se a quel punto i modelli principali continueranno in gran parte a non avere questa capacità, siete invitati a smentirci citando questo articolo. Ma per chi deve consegnare un video adesso, FLUX 3 ha già risolto il problema concreto dell’«inquadratura che non dura abbastanza».

Apri SunoMV, incolla una tua canzone Suno e prova una transizione con FLUX 3 — il tuo prossimo music video non deve aspettare il tutorial di nessuno.

SunoMV Team