画像モデルFLUXが動画に本格参入──「FLUX 3 Video」と4Kアップスケーラーを公式ブログで確認する

画像生成モデル「FLUX」で知られるBlack Forest Labs（BFL）が、動画生成の領域に本格参入した。2026年8月4日、BFL API と一部パートナー経由でFLUX 3 Videoの初期版を一般提供開始したと公式ブログで発表している。日本語圏でFLUXは「画像モデル」として認知されてきたため、動画＋音声への拡張はまだあまり知られていないとみられる。

3行まとめ

1. Black Forest Labsは2026年8月4日、動画生成モデル「FLUX 3 Video」の初期版を一般提供開始。最大20秒・HD(720p)/Full HD(1080p)、ネイティブ音声同時生成、日本語を含む多言語のリップシンクに対応する。
2. BFL自身の社内評価では「text-to-videoは既存SOTAを上回り、image-to-videoはSeedance 2.0と同等、他は上回る」としている──これは第三者検証ではなく、BFL自身の主張である点に注意。
3. 8月20日には、映像を最大ネイティブ4Kまで再生成する独立ツール「FLUX Upscale」を公開。Precise（4ステップ、$0.07/mp/s）とCreative（8ステップ、$0.10/mp/s）の2モードがある。

FLUX 3 Videoの機能

公式ブログ「Introducing FLUX 3 Video」によると、初期版の機能は次の通り。

• 最大尺: 20秒
• 解像度: HD(720p)/Full HD(1080p)
• 音声: ネイティブ音声を映像と同時生成
• 継続生成: キーフレーム、または最大4秒の既存映像からの継続に対応
• マルチショット: 1本の動画の中に複数ショットを含められる
• 多言語リップシンク: 日本語を含む多言語に対応

提供チャネルはBFL APIおよび一部パートナー経由となっている。

なお、解像度表記には公式ブログ内でもやや揺れがある。「Introducing FLUX 3 Video」の冒頭要約は「HD解像度で生成し、Full HDはアップスケールで出力する」という書き方をしているのに対し、同じ記事内の機能一覧では「HD(720p)とFull HD(1080p)の両方の解像度でモデルをリリースする」とも書かれている。BFLのモデルページ（bfl.ai/models/flux-3）のFAQには「解像度帯は総ピクセル数（HDは1フレームあたり最大100万画素、FHDは最大200万画素）で決まり、アスペクト比では決まらない」という技術的な補足があるが、FHD出力がネイティブ生成なのかアップスケールを経たものなのかは、公式サイト内の記述だけでは完全には一致しておらず、本記事では判断を保留する。

FLUX 3 Video自体の料金

「FLUX Upscale」の料金は既に紹介した通りだが、FLUX 3 Video本体（生成そのもの）の料金は、公式ブログの記事2本には記載がなく、モデルページのFAQを別途curlして初めて確認できた。サブスクリプションやシート料金はなく、従量課金（pay-as-you-go）のみとされている。

FAQには具体例として「標準品質・HD・5秒のtext-to-video生成で$0.85」という記載があり、これは$0.17/秒×5秒と一致する。Draft Enhance（下書きから本番品質への引き上げ）は、対応するFHD標準料金と同額になるという。

「Seedance 2.0と同等」という自社評価

BFLはブログの中で、社内評価の結果として「text-to-videoは既存SOTA（最高水準）を上回り、image-to-videoはSeedance 2.0と同等、他は上回る」と主張している。ここで重要なのは、これがBFL自身による社内評価であり、第三者による独立した検証結果ではないという点だ。動画生成モデルの評価は、評価軸（画質、動きの自然さ、プロンプトへの忠実度など）や評価対象のプロンプトセットによって結果が変わりやすく、開発元自身の評価をそのまま鵜呑みにすることはできない。

より具体的な数字は、FLUX 3本体の発表記事（2026年7月23日付「FLUX 3 - Real World Models」、当時は早期アクセス段階）に掲載されていた。720pで10秒のtext-to-video動画を使った予備評価として、次の「選好率（比較で好まれた割合）」が挙げられている。

Seedance 2.0との比較では52%というほぼ五分に近い数字になっており、8月4日の一般提供版ブログが使う「同等（ties）」という表現と整合的だ。ただし、この評価自体が「モデル・ハーネスとも開発途上で、結果は予備的なもの」とBFL自身が注記している早期アクセス段階（7月23日時点）のデータである点には注意したい。一般提供された8月4日時点でモデルがさらに改善されているとブログは述べているが、その後の改善を反映した具体的な選好率の再測定結果は、本記事で確認した範囲のソースには見当たらなかった。

FLUX Upscale:4Kまでの再生成

8月20日には、独立ツール／エンドポイントとして「FLUX Upscale」が公開された。映像を最大ネイティブ4Kまで再生成する機能で、料金体系は次の2モードだ。

• Precise: 4ステップ、$0.07/mp/s（メガピクセル・秒あたり）
• Creative: 8ステップ、$0.10/mp/s

いずれもBFL公式の掲載価格だ。生成した動画の最終的な仕上げ工程として、他社のアップスケール技術（Topaz Labsなど）と並ぶ選択肢が増えたことになる。

安全性評価は第三者機関Cinderが担当

品質評価はBFL自身の社内評価にとどまる一方、安全性の評価については外部機関が関与している。「Introducing FLUX 3 Video」は「信頼できる第三者パートナーであるCinder社と協力し、非同意の性的画像（NCII）・児童性的虐待コンテンツ（CSAM）を含む、対応する全モダリティにわたるリスクについてリリース前に評価した」と述べている。品質・性能面の「SOTA超え」はBFL自身の主張にとどまるが、悪用対策の一部については外部機関によるチェックを経ている、という違いがある点は記録しておきたい。

Seedance系との比較軸としての価値

自サイトはSeedance 2.5に関連する動画コンテンツを複数公開しており、視聴者にとって馴染みのある比較対象だ。FLUX 3 Videoが「Seedance 2.0と同等」を自称している以上、この2つのモデルを実際に比較検証する動画・記事を作る際の材料として、今回の発表内容は直接使える。ただし、これはあくまでBFL側の主張であり、実測比較は別途必要になる。

「SOTA超え」はBFL自身の社内評価、第三者検証ではない

• 「既存SOTAを上回る」「Seedance 2.0と同等」「Luma Ray 3.2に93%の選好率で勝った」といった評価は、いずれもBFL自身による社内評価であり、独立した第三者評価機関やベンチマークによる検証結果ではない。本記事はこの点を明示した上で紹介している。
• FLUX 3 Videoの実際の生成品質・生成速度・成功率については、本記事では独自に検証していない。BFL公式ブログ・モデルページの記載を紹介するにとどまる。
• 日本語のリップシンク精度についての具体的な評価データ（対応言語一覧には日本語が含まれるとブログにあるが、精度の数値評価）は、本記事で確認した範囲のソースには記載がなく確認できていない。
• 料金（FLUX Upscaleの$0.07/$0.10という単価、FLUX 3 Video本体の$0.06〜$0.53/秒という単価）は本記事執筆時点（2026年8月29日）でBFL公式サイトに掲載されていた価格であり、将来変更される可能性がある。
• FHD出力がネイティブ生成かアップスケール経由かという点は、公式ブログ・モデルページの記述が完全には一致しておらず、本記事では判断を保留した。BFLに直接問い合わせて確認したわけではない。

関連記事

• Sora(動画生成AI)の料金・使い方・商用利用と代替サービス【2026年版】
• ByteDance、動画生成AI「Seedance 2.0」公開──マルチモーダル入力で15秒映像を生成
• AI動画は1本何回で仕上がるのか──完成5本・参照画像109枚を数え直した