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
- Marigold V2 深度估计支持高分辨率分块推理，登陆 ComfyUI — AntonObukhov1 · 2026-10-27
- AI 电影人 PJaccetturo 谈用 Dreamina 构建影级世界 NEXUS — DavidmComfort · 2026-10-27
- Runway 发布 App Studio：描述即生成图片视频音频创意应用，无需代码 — runwayml · 2026-10-27
- 本地免费跑 MiniMax H3 实测 Maestro,Kling 4.0 对比 Seedance 2.5 编辑能力 — cocktailpeanut · 2026-10-27
- AI 生成的《致命魔术》片段疯传，网友惊呼电影级效果难辨真假 — cneuralnetwork · 2026-10-27
- 用 Astra 计算机视觉操控 Premiere Pro 剪辑，10 个实用玩法 — beechinour · 2026-10-27