Đánh giá thực tế FLUX 3: Từ tạo video bằng văn bản đến kéo dài video, người làm MV nhạc cần quan tâm điều gì

2 giờ sáng, đoạn điệp khúc trong bài hát mới trên Suno của bạn cuối cùng cũng đúng vibe, nhưng đến lúc ghép hình lại bí: mô hình A cho ra hình ảnh đủ chất điện ảnh nhưng không nối được với đoạn trước, mô hình B nối được thì lại đổi mất khuôn mặt nhân vật chính. Yêu cầu của người làm MV nhạc với mô hình video chưa bao giờ là “một đoạn clip đẹp”, mà là “cả MV phải liền mạch”.

Black Forest Labs (đội ngũ đứng sau mô hình ảnh FLUX) ra mắt mô hình video FLUX 3 vào năm 2026, và điểm nhấn chính của nó đúng là “liền mạch”: ngoài tạo video từ văn bản và tạo video từ ảnh thông thường, nó hỗ trợ sẵn khung đầu-cuối, chuỗi khung hình chính và kéo dài video. Tính đến ngày 5/8/2026, FLUX 3 đã có mặt trong bộ chọn mô hình video của SunoMV - bài viết này dùng dữ liệu thực nghiệm trực tiếp của chúng tôi để làm rõ: nó làm được gì, nhanh cỡ nào, giá bao nhiêu, và khi nào nên chọn nó.

FLUX 3 là gì?

FLUX 3 là dòng mô hình tạo video do Black Forest Labs phát hành, mở cùng lúc 5 phương thức tạo: tạo video từ văn bản, tạo video từ ảnh, tạo video từ khung đầu-cuối, tạo video từ khung hình chính và kéo dài video. Đầu ra ở độ phân giải 720p hoặc 1080p, thời lượng mỗi cảnh từ 5 đến 20 giây, đồng thời hỗ trợ tạo âm thanh gốc - nghĩa là hình ảnh và âm thanh được tạo ra cùng một lần.

Với các tình huống làm MV nhạc, 5 phương thức này tương ứng với 5 quy trình làm việc thực tế:

Khả năng	Đầu vào	Phù hợp cho tình huống MV
Tạo video từ văn bản	Một đoạn mô tả văn bản	Dựng một cảnh không khí từ đầu (mở đầu, đoạn chuyển)
Tạo video từ ảnh	Một tấm ảnh	Cho hình minh họa lời bài hát “chuyển động”
Tạo video từ khung đầu-cuối	2 ảnh khung đầu + khung cuối	Chuyển cảnh giữa hai đoạn hình lời bài hát
Tạo video từ khung hình chính	Tối đa 10 ảnh sắp theo thời gian	Kiểm soát chính xác một cảnh dài theo kịch bản phân cảnh
Kéo dài video	Một video có sẵn (trong 15 giây)	Nối dài tự nhiên một cảnh quay đã ưng ý

Image: a cinematic music-video frame generated with SunoMV

Quy tắc thực dụng: Khung đầu-cuối và khung hình chính là hai mức độ chi tiết của cùng một việc - chuyển cảnh thì dùng khung đầu-cuối là đủ, chỉ khi bạn muốn kiểm soát “ở giữa sẽ đi qua những hình ảnh nào” thì mới cần đến khung hình chính.

Tốc độ và giá thực tế: clip 5 giây mất khoảng 104 giây để tạo xong

Chúng tôi đã thực nghiệm vào ngày 5/8/2026 với cùng một prompt test ở mức MV (cảnh ca sĩ trên sân thượng có nhân vật, chuyển động theo nhịp và ánh sáng ngược): một clip tạo video từ văn bản dài 5 giây, 720p, tắt âm thanh, từ lúc gửi đến lúc ra video mất 104 giây; nhiều lượt test khác rơi vào khoảng 100 đến 125 giây. Tác vụ kéo dài video chậm hơn một chút, thực nghiệm khoảng 174 giây.

Đây là video mẫu thực nghiệm (yêu cầu trong prompt: khuôn mặt nhân vật và ngón tay cầm mic ổn định, chuyển động theo nhịp, ánh sáng ngược giờ vàng, máy quay lượn vòng):

Video mẫu: Đội ngũ SunoMV tạo bằng tính năng tạo video từ văn bản của FLUX 3 vào ngày 2026-08-05 (5 giây / 720p)

Về giá, theo bảng giá API chính thức của FLUX 3 trên fal.ai, các khả năng tạo mới có giá 0,17 USD/giây (720p), 0,29 USD/giây (1080p); endpoint kéo dài video đắt hơn, 0,41 USD/giây ở 720p - vì nó phải “hiểu” video gốc bạn đưa vào trước. Trong SunoMV, bạn không cần quan tâm những chi tiết API này: chuyển cảnh FLUX 3 tính phí theo từng đoạn, khi chọn mô hình trong trình chỉnh sửa sẽ hiển thị ngay đoạn đó tốn bao nhiêu credits.

Quy tắc thực dụng: Đơn giá kéo dài video cao gấp khoảng 2,4 lần so với tạo mới thông thường - hãy ưu tiên làm đúng ngay từ lần tạo đầu (prompt ghi đầy đủ nhân vật, ánh sáng, chuyển động máy quay), để việc kéo dài dành cho những cảnh “đã ưng, chỉ là chưa đủ dài”.

FLUX 3 vs Seedance 2.0 vs Kling O3 vs Hailuo 03: chọn thế nào

Cả 4 mô hình này đều có thể chọn trực tiếp trong SunoMV. Kết luận trong một câu: FLUX 3 mạnh về tính hoàn chỉnh của một cảnh đơn (giới hạn 20 giây + kéo dài gốc), Seedance 2.0 mạnh về tính nhất quán nhân vật xuyên suốt nhiều cảnh (tối đa 9 ảnh tham chiếu để khóa khuôn mặt).

Tiêu chí	FLUX 3	Seedance 2.0	Kling O3 Pro	Hailuo 03
Thời lượng mỗi cảnh	5–20 giây	4–15 giây	3–15 giây	5–15 giây
Độ phân giải tối đa	1080p	720p (có gói 4K riêng)	1080p	2K
Chuyển cảnh khung đầu-cuối	✅	✅	✅	✅
Chuỗi khung hình chính	✅ (tối đa 10 khung)	❌	❌	❌
Kéo dài video gốc	✅ Khả năng độc lập	⚠️ Thực hiện qua video tham chiếu	❌	❌
Ảnh tham chiếu khóa khuôn mặt nhân vật	❌	✅ Tối đa 9 ảnh	✅ Tối đa 4 ảnh	✅ Tối đa 9 ảnh
Âm thanh gốc	✅	✅	✅ (tùy chọn)	❌

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

Thời lượng là đòn bẩy ở cấp độ cảnh quay, dung lượng tham chiếu là đòn bẩy ở cấp độ cả series - nội dung dài kỳ chết vì nhân vật trôi dạt, không chết vì chất lượng từng đoạn.

Nhìn theo tiêu chí này: nếu MV của bạn là kiểu “một mạch không khí xuyên suốt” (hình ảnh lời bài hát thiên về ý niệm, không phụ thuộc vào một nhân vật chính cố định), giới hạn 20 giây và khả năng kiểm soát bằng khung hình chính của FLUX 3 là đòn bẩy mạnh ở cấp độ cảnh quay; nếu MV của bạn có một nhân vật chính xuyên suốt cả video, việc khóa khuôn mặt xuyên cảnh quan trọng hơn nhiều so với thời lượng của một cảnh đơn, lúc này dòng Seedance vẫn là lựa chọn mặc định ổn định hơn. Chúng tôi đặt quyền lựa chọn trực tiếp trong trình chỉnh sửa, cũng vì hai loại nhu cầu này thực sự cùng tồn tại.

Dùng FLUX 3 để làm MV nhạc trong SunoMV: 3 bước

1. Mở suno.bi, dán link bài hát Suno của bạn (hoặc tải lên file âm thanh), AI sẽ tạo hình minh họa theo từng câu lời bài hát;
2. Trong phần cài đặt chuyển cảnh / video kết thúc của trình chỉnh sửa, chuyển mô hình video sang FLUX 3, có thể chọn độ phân giải 720p hoặc 1080p;
3. Nhấn tạo - FLUX 3 sẽ lấy hình ảnh của hai câu lời bài hát liền kề làm khung đầu-cuối, tạo ra một đoạn chuyển cảnh động nối hai đoạn lại, mỗi đoạn ra video trong khoảng chưa đến hai phút.

Image: a short-form music video generated with SunoMV

Câu hỏi thường gặp

FLUX 3 và mô hình ảnh FLUX có liên quan gì với nhau? Đây là hai dòng sản phẩm của cùng một công ty (Black Forest Labs). Dòng mô hình ảnh FLUX nổi bật ở độ chi tiết và khả năng thể hiện chữ, mô hình video FLUX 3 kế thừa cùng “gen thẩm mỹ” đó, đồng thời bổ sung khả năng kiểm soát theo chiều thời gian (khung hình chính, kéo dài).

Một video FLUX 3 có thể tạo dài tối đa bao lâu? Mỗi lần tạo dài từ 5 đến 20 giây. Nội dung dài hơn có thể nối tiếp bằng khả năng “kéo dài video”, hoặc trong SunoMV sẽ tự động tách theo từng câu lời bài hát để tạo thành nhiều đoạn.

Dùng FLUX 3 trong SunoMV có cần cấu hình thêm gì không? Không cần. Đây là mô hình tích hợp sẵn giống như Seedance, Kling, Hailuo - chỉ cần chọn trong bộ chọn mô hình, credits sẽ bị trừ theo mức sử dụng.

Lời kết

Một dự đoán có thể bị vả mặt: đến giữa năm 2027, “kéo dài video gốc” sẽ trở thành tính năng tiêu chuẩn của các mô hình video giống như khung đầu-cuối hiện nay - nếu đến lúc đó các mô hình chủ đạo vẫn phổ biến thiếu khả năng này, cứ dùng bài viết này để vả mặt chúng tôi. Nhưng với những người sáng tạo cần giao sản phẩm ngay bây giờ, FLUX 3 đã giải quyết xong vấn đề cụ thể “một cảnh quay không đủ dài”.

Mở SunoMV, dán một bài hát Suno của bạn, thử một đoạn chuyển cảnh bằng FLUX 3 - MV tiếp theo của bạn không cần phải chờ hướng dẫn của bất kỳ ai.

Đội ngũ SunoMV