La empresa de inteligencia artificial Black Forest Labs (BFL) puso su modelo FLUX 3 Video en disponibilidad general a través de su interfaz de programación y de socios seleccionados. Hasta ahora el acceso era restringido.
El modelo genera clips en HD y Full HD de hasta 20 segundos de duración, con audio nativo que incluye diálogos, efectos de sonido y ruido ambiente. Soporta generación desde texto, desde imagen, uso de fotogramas clave, continuación de un video existente y múltiples escenas y ángulos de cámara dentro de un mismo clip.
¿Qué diferencia a FLUX 3 Video de la generación anterior?
Según BFL, el modelo es capaz de representar tipografía directamente dentro de las escenas, seguir instrucciones complejas y apoyarse en conocimiento del mundo para usos como el documental. También genera diálogo sincronizado con el movimiento de los labios en más de 14 idiomas.
Ese último punto es el que más impacto tiene fuera del mercado angloparlante, y es también donde la empresa dejó un hueco de información: BFL no publicó la lista de esos 14 idiomas, un dato clave para cualquiera que evalúe la herramienta desde LatAm. Sin ese detalle, no hay forma de saber si el español rioplatense, el mexicano o el chileno reciben el mismo tratamiento que el inglés, o si quedan cubiertos por un modelo genérico de español.
¿Cómo se compara con la competencia?
Las pruebas de la propia BFL, que conviene leer con la cautela que merece cualquier medición hecha por el fabricante, ubican a FLUX 3 en la cima de sus rankings Elo:
- Texto a video: 1.135 puntos Elo
- Imagen a video: 1.051 puntos Elo
Con esas cifras se posiciona por delante de Gemini Omni Flash, Minimax H3 y Seedance 2.0, sus tres competidores directos en el segmento.
¿Cuánto cuesta cada video?
El cobro es por segundo de video generado, y el audio va incluido en todos los tramos. Esta es la tabla completa de precios:
| Modo | Resolución | Texto o imagen a video | Video a video |
|---|---|---|---|
| Borrador | Solo HD | USD 0,06 por segundo | USD 0,12 por segundo |
| Calidad completa | HD | USD 0,17 por segundo | USD 0,41 por segundo |
| Calidad completa | Full HD | USD 0,29 por segundo | USD 0,53 por segundo |
Lo que eso significa en pesos
La tarifa por segundo se lee mejor traducida a piezas reales. Estos son los cálculos de MechaNoticias sobre la tabla anterior, a un tipo de cambio cercano a 950 pesos por dólar:
- Un clip de 20 segundos en modo borrador HD cuesta USD 1,20, unos 1.140 pesos. Es el tramo pensado para iterar el guion visual antes de comprometer presupuesto.
- El mismo clip en calidad completa Full HD sube a USD 5,80, cerca de 5.500 pesos.
- Un minuto completo en Full HD desde texto suma USD 17,40, alrededor de 16.500 pesos.
- La conversión de video a video en Full HD es el tramo más caro: USD 0,53 por segundo, casi el doble que generar desde cero.
Para dimensionarlo: producir un minuto de video publicitario con equipo humano, locación y postproducción en Chile parte en cifras que superan por varios órdenes de magnitud esos 16.500 pesos. La comparación no es justa en términos de resultado, pero explica por qué el segmento de contenido corto para redes sociales es el primero que están apuntando estos modelos.
Un detalle de arquitectura que importa
La capacidad de manejar múltiples escenas y ángulos de cámara dentro de un solo clip es lo que separa a esta generación de modelos de la anterior. Hasta hace poco, armar una secuencia con cortes obligaba a generar cada plano por separado y unirlos en edición, con el problema de que los personajes y la iluminación cambiaban entre tomas. Resolver la continuidad dentro de la misma generación es el requisito mínimo para pasar del clip suelto a algo que se parezca a una narración.
Más ejemplos de video generados con el modelo están disponibles en el blog de la empresa.
