Black Forest Labs 发布 FLUX 3：统一多模态覆盖图像视频音频
daniel_mac8 · x · 2026-07-24
Black Forest Labs 发布 FLUX 3，主打把图像、视频、音频和动作预测统一到一个多模态模型里。
- 能力范围：支持文生视频、图生视频、参考视频生成、视频+音频延长、基于关键帧生成、多语言提示，以及把单段内容串成更长的多镜头序列。
- 架构特点：官方称其为统一架构联合训练，并明确可以扩展到面向机器人动作预测。
- 开放节奏：FLUX 3 Video 已进入早期访问；未来几周会开放 API，之后还会开放开源的 FLUX 3 Dev。
- 线程还提到他们与 mimic、Audi 的演示合作。
所属事件:Black Forest Labs 发布 FLUX 3：迈向全模态与具身智能底座(28 条相关)→
「具身」频道最新
- 亚马逊谷歌卖出6亿台音箱,AGI 时代为何无人再造智能音箱 — julianlehr · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- 波兰开发者做 iPhone 应用 可探测附近的 Meta 智能眼镜 — Low-Honeydew6483 · 2026-09-11
- 蚂蚁阿福用户达 1.5 亿，外滩大会展示 AI+硬件健康管理联盟 — APPSO · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11
- SyncWorld:少量视觉校准即可零样本模拟机器人跨视角交互 — ChongZzZhang · 2026-09-11