Black Forest Labs 发布 FLUX 3：统一图像、视频、音频与机器人动作预测
bennash · x · 2026-08-12
Black Forest Labs 官宣全新多模态模型 FLUX 3，将图像、视频、音频生成以及机器人动作预测统一在单一模型中。
核心能力：
- 视频：支持最长 20 秒原生片段，可从文本、图像或关键帧生成，并支持多镜头。
- 音频：原生生成多语言语音、音效与环境音。
- 图像：具备高精度文本渲染与复杂提示词处理能力，风格多样。
- 机器人：结合视觉观察与文本指令，预测物理结果并输出机器人控制动作。
部署与可用性：提供 API、开放权重（支持自定义微调）以及企业级部署方案。目前网页端已开放免费体验视频生成功能，用户可利用故事板图像作为起始帧来控制生成内容。
所属事件:Black Forest Labs发布FLUX 3多模态模型(2 条相关)→
「具身」频道最新
- Agility Digit 5 搭载 Nyobolt 快充电池：工作 90 分钟、9 分钟充满 — xmercury_one · 2026-10-16
- 浙大提出 VLA-Δ:显式监督物理状态转移提升机器人控制 — OmniAI-ZJU · 2026-10-16
- 中科院自动化所提出 PINT:共享预测意图 token 统一机器人操作三任务 — Xinyu Guo · 2026-10-16
- TouchScale 发布 500 小时统一采集第一人称视触觉数据集 — jiqizhixin · 2026-10-16
- 12 岁自筹 2 万美元基金的创始人再融资 1100 万打造家用本地 AI 电脑 — nick_linck · 2026-10-16
- 机器人独自跑去 Costco 买 1.5 美元热狗，演示看乐网友 — majidmanzarpour · 2026-10-16