Black Forest Labs 深聊 FLUX 3:单一骨干同时训练图像、视频与音频
Latent Space · youtube · 2026-11-17
Latent Space 播客专访 Black Forest Labs 的 Andreas Blattmann(Stable Diffusion 共同作者、潜扩散共同发明人)与 Dustin Podell(SDXL 第一作者、FLUX Kontext 负责人),完整复盘 FLUX 3 的训练思路:
- 单一骨干同时用图像、视频、音频训练:解释了各模态分别带来什么、如何在去噪各阶段分配算力、以及为什么静帧看起来不错的细节在连续帧间会闪烁;
- 深入讨论自回归路线的理由,以及 diffusion 在哪些场景仍有优势;还谈到世界动作模型与 2027 年的机器人;
- 番外故事:Stable Diffusion 如何改变了两人的职业轨迹、在法国小木屋里完成第一次 FLUX 训练、FLUX Kontext 背后的照片实验,以及真实用例(修复老照片、生成带同步音频的片段)。
视频附带完整章节时间轴与 BFL 官方博客(FLUX 3 图像/视频)链接。
「多模态」频道最新
- Seedance 2.5 4K 版本上线 fal 平台 — petewoodbridge · 2026-11-17
- Higgsfield 推出短剧工作室:输入剧本生成整季短剧 — azed_ai · 2026-11-17
- 文生图价格战重构:Seedream 5.5 成 30 美元内最强模型 — ArtificialAnlys · 2026-11-17
- 新论文用激活探测恢复蒸馏图像/视频生成器的多样性 — _akhaliq · 2026-11-17
- ReDiverse:少量改动即可恢复少步蒸馏扩散模型的多样性 — anand_bhattad · 2026-11-17
- FLUX 3 同时训练图像视频音频,BFL 详解视觉智能论 — Latent Space · 2026-11-17