FLUX 3 多模态模型发布：单次生成20秒视频并带原生音频

Black Forest Labs 以 Early Access 方式推出 FLUX 3 多模态基础模型。该模型基于 Self-Flow 学习框架，同步训练视频、图像和音频。它支持单次生成最长 20 秒视频，并附带原生音频。在 10 秒 720p 带声音视频的人工评测中，FLUX 3 对 Grok Imagine Video 胜率 69%，对 Seedance 2.0 和 Gemini Omni Flash 均为 52%。同时具备图像生成与编辑能力。