12:15
shao__meng@shao__meng
shao__meng@shao__meng72°
推荐理由：FLUX 3 把图像、视频、音频放一起训，还能预测动作。已经能生成20秒带声音的视频，图像也快上了。
动作预测
共 1 条相关 AI 资讯
7月24日
12:15
Black Forest Labs 发布 FLUX 3，定位为真实世界模型，统一处理图像、视频、音频三种模态。模型最长生成约20秒带原生音频的视频，支持续写、关键帧、多语言对白。图像合成与编辑功能将在数周后推出，强化复杂 prompt 和文字渲染。动作预测已通过 FLUX-mimic 用于 mimic robotics 和 Audi 场景。