La vidéo générée gagne une sortie 4K avec FLUX Upscale

FLUX Upscale augmente la définition de clips externes ou générés avec FLUX 3. Deux modes privilégient soit la fidélité à la source, soit la reconstruction des détails.

Les générateurs vidéo produisent encore souvent leurs plans dans une définition inférieure aux formats attendus pour une campagne, une diffusion télévisée ou un grand écran. Black Forest Labs ajoute cette étape de finition à son API avec FLUX Upscale, un outil capable d’agrandir un clip jusqu’en 4K tout en corrigeant certains défauts propres aux vidéos générées.

L’outil accompagne FLUX 3 Video, dont la première version publique crée des séquences de vingt secondes au maximum en HD ou Full HD, avec une piste sonore générée en même temps. FLUX Upscale peut reprendre directement ces résultats, mais son utilisation n’est pas limitée aux contenus produits par Black Forest Labs. Tout fichier MP4 conforme aux limites de l’endpoint peut être envoyé par une adresse HTTP ou sous forme encodée.

Le traitement ne se contente pas d’étirer chaque image. Black Forest Labs affirme que le modèle reconstruit la séquence à une définition supérieure et cible notamment les visages peu lisibles, les textures brouillées et les motifs en grille qui peuvent apparaître sur l’eau, l’herbe ou les surfaces répétitives. Aucun benchmark ne compare cependant ces corrections à celles de logiciels locaux ou de services concurrents.

Deux modes définissent la liberté laissée au traitement. Le mode Precise utilise quatre étapes et cherche à conserver au maximum l’apparence de la source. Il convient en priorité aux visages, aux personnes réelles, aux produits, aux identités visuelles et aux éléments de marque dont les détails ne doivent pas changer.

Le mode Creative passe à huit étapes et reconstruit plus activement les informations manquantes. Il peut renforcer une chevelure, une foule, un paysage ou une matière difficile à lire, mais aussi modifier ce qu’il tente de restaurer. Black Forest Labs prévient explicitement que l’identité d’une personne ou l’apparence d’un produit peuvent dériver. Le supplément de détail correspond alors à une nouvelle interprétation du contenu, pas à la récupération certaine d’une information présente dans le fichier d’origine.

Cette distinction est centrale pour les rushes réels comme pour les vidéos générées. Un visage légèrement flou peut devenir plus défini en mode Creative tout en ne représentant plus exactement la même personne. Le mode Precise réduit ce risque, sans garantir qu’un détail absent de la source puisse être retrouvé. Augmenter la définition ne permet pas de reconstituer avec certitude ce qui n’a jamais été enregistré.

Un champ facultatif permet de décrire le contenu de la scène. Cette instruction peut orienter la nature des détails reconstruits, notamment lorsqu’une surface ou un élément demeure ambigu. La laisser vide produit un traitement plus neutre. Cette possibilité rapproche le mode Creative d’une opération de régénération guidée plutôt que d’une simple conversion technique.

L’utilisateur choisit un facteur d’agrandissement compris entre 1,5 et 3, avec une valeur de 2 par défaut. À partir d’une source de 1280 × 720, un facteur de 1,5 produit du 1920 × 1080, un facteur de 2 atteint 2560 × 1440 et un facteur de 3 arrive à 3840 × 2160. L’expression « 2K » utilisée dans la communication reste approximative, plusieurs standards employant ce terme pour des dimensions différentes.

La documentation de l’endpoint limite les sources à vingt secondes, 50 Mo et 2560 × 1440. Une vidéo dépassant l’une de ces valeurs est refusée avant le traitement, sans être raccourcie ou réduite automatiquement. La définition de sortie est plafonnée autour de 14,4 MP par image. Lorsque le facteur demandé dépasse cette limite, le service applique un agrandissement inférieur.

Une source déjà en 2560 × 1440 ne peut donc pas être multipliée librement par trois. Le facteur minimal de 1,5 suffit à la porter en 3840 × 2160. L’outil vise la 4K à partir de sources plus petites, mais n’accepte pas une vidéo 4K comme entrée pour poursuivre vers une définition encore supérieure.

Le rapport entre largeur et hauteur reste identique. Un plan vertical, carré ou panoramique conserve son format au lieu d’être recadré. L’endpoint préserve également la piste audio existante : il ne la régénère pas et n’effectue pas de nouvelle synchronisation avec les images restaurées.

Le résultat est livré sous la forme d’un MP4 accessible par une adresse signée. Cette adresse expire environ une heure après la fin du traitement, ce qui impose de télécharger rapidement le fichier. La documentation ne précise pas encore le codec employé, le débit, la profondeur de couleur, le sous-échantillonnage, l’espace colorimétrique ou la prise en charge du HDR.

Cette absence d’informations limite pour l’instant l’évaluation de l’outil dans un véritable pipeline de finition. Une sortie en 4K ne signifie pas nécessairement qu’elle convient directement à l’étalonnage, au compositing ou à une livraison broadcast. Les workflows exigeants pourront encore nécessiter une conversion vers un format intermédiaire, ainsi qu’un contrôle du banding, de la compression et de la stabilité entre les images successives.

La tarification dépend de la définition et de la durée du résultat, et non de la taille de la source. Black Forest Labs facture 0,07 dollar par MP-seconde en mode Precise et 0,10 dollar en mode Creative. La plateforme ne facture que le fichier effectivement livré.

Aux dimensions indiquées par l’éditeur, une seconde coûte environ 0,14 dollar en 1080p avec Precise et 0,20 dollar avec Creative. Le tarif passe respectivement à 0,25 et 0,35 dollar autour du 2K, puis à 0,55 et 0,79 dollar en 4K. Un plan de dix secondes en 4K revient donc à environ 5,50 dollars en mode Precise ou 7,90 dollars en mode Creative. Pour la durée maximale de vingt secondes, le coût atteint approximativement 11 ou 15,80 dollars.

Ces montants encouragent à réserver le traitement aux plans conservés dans le montage. Black Forest Labs recommande d’ailleurs d’effectuer l’agrandissement après les coupes et les ajustements, à partir de la source la moins compressée disponible. Traiter plusieurs