ComfyPilotComfyPilot
文档 / 教程 / ComfyUI 中的 FLUX 3 Max：带原生音频的关键帧视频

ComfyUI 中的 FLUX 3 Max：带原生音频的关键帧视频

使用 FLUX 3 Max 在 ComfyUI 中生成 5 至 20 秒的视频：支持文本生成视频、最多 10 张图像的关键帧控制图像生成视频，以及原生音频。

教程 flux-3-max 更新于 2026-11-12

查看官方原文

ComfyUI 中的 FLUX 3 Max：带原生音频的关键帧视频

使用 FLUX 3 Max 在 ComfyUI 中生成 5 至 20 秒的视频：支持文本生成视频、最多 10 张图像的关键帧控制图像生成视频，以及原生音频。

FLUX 3 Max 是 Black Forest Labs 基于 FLUX 3 基础架构的视频模型，通过 fal 提供服务，并在 ComfyUI 中作为合作节点提供。它可根据文本提示生成一段视频，或将一组静态图像制作成一段连续镜头。

它与标准 FLUX 3 视频节点的区别在于对时间线的控制。图像转视频接受 1 至 10 张关键帧图像：一张图像作为视频的开头，两张分别成为首帧和尾帧，更多图像则要么均匀分布在整个视频中，要么固定在你选择的秒数。每次运行还会生成同步音频，包括环境音、语音和音效。

这两个节点都是云端 API 节点。它们需要一个有积分的 Comfy 账户，不会下载任何模型，并按输出秒数计费；费率请参阅合作节点定价。

FLUX 3 Max 擅长什么

  • 关键帧控制：在时间线上放置最多 10 张图像，让模型补全它们之间的运动
  • 原生音频：每个片段都自带同步的环境音、语音和音效，你也可以关闭音轨
  • 5 到 20 秒的片段：一次生成即可覆盖一个完整镜头，无需拼接多个分段
  • 提示词扩展：reasoning_level 决定模型在生成前对提示词改写和规划的程度，两种情况下价格相同
  • 灵活构图：720p 或 1080p、24 fps，画幅从 21:9 到 9:16，或使用 auto 跟随输入图像

示例输出

单一提示词生成视频，并带有同步音频：

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/api_flux3_max_t2v.mp4" />

由一张关键帧图像生成三段镜头序列，并通过提示词写入硬切：

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/api_flux3_max_i2v.mp4" />

[!TIP] 使用 API 节点需要保证你已经正常登录，并在受许可的网络环境下使用，请参考API 节点总览部分文档来了解使用 API 节点的具体使用要求。
[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。 > > 如果加载工作流时有节点缺失，可能原因有： > > 1. 你用的不是最新版（每夜版）。 > 2. 启动时有些节点导入失败。 > [tab] 云端用户 > > * Cloud 会在 ComfyUI 稳定版本发布后更新。 > > 所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。

FLUX 3 Max 文生视频工作流

描述镜头，选择时长，然后运行。声音、运动和相机行为都会基于同一个提示词一起生成，因此请将你想要的音频与动作写在同一个段落中。

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/api_flux3_max_t2v.mp4" />

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索 "FLUX 3 Max: Text to Video"

使用方法

  1. 编写提示词：先描述场景，再描述声音。将环境声、音乐和语音分开描述，以免各音频图层相互干扰。
  2. 设置视频片段：duration 可取 5 到 20 秒，resolution 为 720p 或 1080p，aspect_ratio 默认为 auto。
  3. 对于包含镜头切换或多个主体的复杂提示词，请将 reasoning_level 保持为 high。这样耗时更长，但费用与 low 相同。
  4. 运行，并使用 SaveVideo 保存结果。

FLUX 3 Max 图生视频工作流

把静帧变成一段动态镜头。只提供一张图像时，片段以这张图像开场，其余动作由模型自行创造；提供多张图像时，这些图像会在时间轴上的各个位置锚定构图。

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/api_flux3_max_i2v.mp4" />

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索 "FLUX 3 Max: Image to Video"

输入素材

[card] hovering\_spaceship.png 加载到 FLUX 3 Max Image to Video 节点的第一个关键帧槽位

使用方法

  1. 添加图像：按播放顺序将 1 到 10 张图像连接到 keyframes 输入。
  2. 选择放置方式：spread across the clip 会把第一张图像放在开头、最后一张放在结尾，其余图像均匀分布在中间。at times 让你把每张图像固定到指定的秒数，用逗号分隔且数值递增，例如 0, 2.5, 5。
  3. 描述运动与声音：提示词告诉模型场景应如何运动、听起来是什么样。请显式写出镜头切换，如 SHOT ONE、HARD CUT、SHOT TWO。
  4. 设置片段：duration、resolution 和 aspect_ratio 的行为与文生视频节点中一致。
  5. 运行，并用 SaveVideo 保存结果。

节点控制

两个节点共享以下输入：

控制项取值效果
prompt最多 50,000 个字符镜头、相机行为和音频
aspect_ratioauto、21:9、2:1、16:9、4:3、1:1、3:4、9:16auto 在文本提示时为 16:9，否则跟随第一张图像
duration5 至 20 秒片段长度
resolution720p、1080p24 fps 下的输出分辨率
reasoning_levellow、high模型在生成前扩展提示的程度；价格不变
generate_audio默认开启如需静音视频，请将其关闭
seed默认 42更改后会重新运行节点；无论种子如何，结果都是非确定性的

图像转视频会增加 keyframes（1 到 10 张图像）和 placement（spread across the clip 或 at times）。

限制

  • 一个片段为 5 至 20 秒，帧率为 24 fps。这些节点没有续接输入，因此更长的作品需要拆分为多次生成。
  • 关键帧图像最多 10 张，且至少一张。
  • 使用 at times 时，每张图像必须恰好对应一个时间，按递增顺序给出，并且最后一个时间要落在片段范围之内。
  • 音频与视频一同生成，在返回结果之前无法单独编辑。
  • 种子不会让运行结果可复现。重新运行同一节点图会得到不同的结果。

开始使用

  1. 将 ComfyUI 更新至最新版本
  2. 前往模板库，搜索 FLUX 3 Max，然后打开其中任一模板