黑森林实验室推出FLUX 3，具备生成图像和20秒带音频视频的能力

德国弗赖堡的黑森林实验室（BFL）今日推出了其多模态前沿模型FLUX 3，该模型能够根据单一提示生成图像、音频和视频片段。FLUX 3在图像、视频和音频之间进行联合训练，并且可以扩展到机器人视觉和动作预测。目前，FLUX 3 Video和FLUX 3 Action已进入“早期访问”计划，但尚未公布定价和服务水平承诺等详细信息。BFL表示，FLUX 3是通过单一架构而非单独的图像、视频和音频模型进行联合训练的，这使得企业可以将创意生成、模拟、计算机使用和机器人技术视为连接的应用。该实验室还发布了初步基准比较结果，在10秒720p文本到视频片段的早期测试中，FLUX 3在93%的情况下优于Luma Ray 3.2，在77%的情况下优于Runway Gen-4.5等竞争对手模型。然而，由于缺乏定价和性能指标细节，企业买家目前无法计算总拥有成本或独立验证视频比较结果。