Black Forest Labs发布Flux 3：生成最长20秒带原生音频视频

Black Forest Labs发布Flux 3多模态基础模型，可同时学习图像、视频和音频。该模型能生成最长20秒带原生音频的视频，为该公司首次实现语音与画面同步输出。BFL内部测试显示Flux 3在多项指标上略领先Seedance 2.0，但独立评测尚未公开。公司最终目标构建世界模型，已在机器人任务上测试Flux 3。