FLUX 3 能一次生成20秒带声音的视频，还打败了Grok和Gemini同类模型，值得玩玩。
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。
FLUX 3 多模态 AI 模型登场：支持单次生成 20 秒多样化视频
IT之家 7 月 24 日消息，Black Forest Labs 昨日（7 月 23 日）发布博文，宣布以 Early Access 方式，上线推出 Flux 3 多模态基础模型， 采用统一架构联合学习图像、视频和音频。 在训练方面，IT之家援引博文介绍，该模型基于 Self-Flow（自监督流匹配）学习框架扩展，同步训练视频、图像和音频，在 FLUX.1 和 FLUX.2 系列基础上，扩大至多模态生成与理解任务。 FLUX 3 可在单次生成中输出最长 20 秒的视频，并附带原生音频。官方表示该模型支持文生视频、图生视频、视频生视频、输入视频与音频续写、关键帧转视频、多语言对话，以及多镜头串联。 性能方面，在带声音的 10 秒、720p 视频人工评测方面，结果显示，FLUX 3 对比 Grok Imagine Video 的胜率为 69%，对比 Seedance 2.0 的胜率为 52%，对比 Gemini Omni Flash 的胜率也为 52%。 在机器人方向，Black Forest Labs 正与 Mimic Robotics 合作，研究将 FLUX 3 用作机器人行为预测模型。 图像能力方面，官方称 FLUX 3 可完成图像生成与编辑，覆盖多种风格、宽高比和分辨率。