FLUX 3 把图像视频音频和动作预测做进一个模型
robrombach · x · 2026-07-24
这条转发在强调 FLUX 3 的多模态一体化能力：同一个模型同时处理 图像、视频、音频和动作预测，并且对世界如何“看、动、听、交互”有更丰富的理解。
被转述的实测反馈里提到几个具体点：
- 原生音频 被评价为视频生成里最强之一
- 可生成最长 20 秒 的视频
- 支持 图像 / 视频 / 音频 输入
- 最多可同时使用 10 个参考输入，而且可以自由混搭
整体信息指向的是一个更强的多模态生成模型，而不只是单一视频模型升级。
所属事件:BFL 发布 FLUX 3：统一多模态底座切入视频与机器人(12 条相关)→
「多模态」频道最新
- Midjourney 风格参考分享:--sref 2912175708 — tisch_eins · 2026-09-11
- Astra 分镜+Minimax H3 分镜逐帧生成，视频创作成功率大增 — Hailuo_AI · 2026-09-11
- Hailuo 转推：MiniMax H3 MAX 一发生成 15 秒美食动画短片 — Hailuo_AI · 2026-09-11
- MiniMax Music 制作工具包 2.5 发布,新增完整母带处理链 — Vivid_Promise1700 · 2026-09-11
- ComfyUI 新节点发现器上线:按 star 增速过滤最新热门节点 — Luke2642 · 2026-09-11
- 用 MiniMax H3 MAX 对一只蚊子放大招,蚊子毫发无伤 — Hailuo_AI · 2026-09-11