Black Forest Labs 发布 FLUX 3：图/视频/音频三模态统一模型
bfl_ai · x · 2026-08-05
Black Forest Labs 正式发布 FLUX 3 预览版，这是一个在图像、视频和音频上统一训练的多模态模型。其核心亮点是能够通过单一请求（同一 endpoint）生成带有同步音频的视频。
核心功能与规格
- 视频与音频同步：在生成画面的同时，直接合成多语言语音（具备强大的唇形同步）、音效与环境音。
- 高清长视频：单次请求可生成最长 20 秒的 FHD（1920×1088）分辨率、24fps 视频。
- 多场景与排版：支持在单次生成中包含多个场景和摄像机角度，且能在场景内准确渲染文字排版。风格超越传统电影感，支持动画和动态设计。
支持模式
所有请求均通过 flux-3-video 端点处理，主要通过 mode 参数区分三种生成模式：
- Text to Video (t2v)：纯文本提示词生成视频。
- Image to Video (i2v)：基于输入图像作为帧来生成视频。
- Video Continuation (v2v)：基于已有视频片段继续向后延展生成。
官方表示，后续将很快推出视频编辑功能以及支持图像和视频的 Omni Reference 功能。
所属事件:Black Forest Labs发布FLUX 3多模态模型，支持原生音频视频生成(19 条相关)→
「多模态」频道最新
- 4070 实测：Flux.3 klein 蒸馏版 10 秒 vs Qwen Image 2.1 turbo 3 秒 — Ant_6431 · 2026-10-16
- Kling 4.0 全面开放,实测快打场景动作连贯性显著提升 — alifcoder · 2026-10-16
- MJev-Spatial:单次前向分类框架做空间推理,快过自回归 VLM — mindlab-research · 2026-10-16
- Technion 提出 H-DDCM:Hadamard 码本加速生成式图像视频压缩 — Technion · 2026-10-16
- ComfyUI 发布 v0.41.0:新增 Flux3 图像与 MiniMax-H3 LightVAE 支持 — Fcking_Chuck · 2026-10-16
- AI 生成短片《龙骑士》:云海之上御龙飞行的电影级画面 — jijo6686 · 2026-10-16