Black Forest Labs发布FLUX 3：统一图像、视频与音频的多模态模型
pess_r · x · 2026-08-05
Black Forest Labs 正式推出 FLUX 3 多模态模型，旨在统一处理图像、视频、音频乃至机器人动作预测。
核心能力：
- 视频生成：支持文本/图像生视频、多场景连贯生成，单次可生成最长 20 秒的片段，并支持关键帧控制。
- 原生音频：支持多语言语音、音效与环境音的同步生成，具备精准的唇形同步。
- 图像生成：提供高度逼真的文本渲染与复杂提示词处理能力，风格超越传统电影质感。
- 草稿模式：可低成本快速预览创意方向，确认后再渲染全画质。
- 机器人应用：统一感知、模拟与执行，输入视觉观察与文本指令即可预测物理结果并输出机器人控制动作。
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