Black Forest Labs slipper Flux 3: 20 sekunders video med innebygd lyd
Slipper Flux 3, en multimodal modell fra Black Forest Labs som genererer opptil 20 sekunders video med innebygd lyd i én generering.
«Flux 3 er vår første modell bygget helt på det prinsippet, og en milepæl på veien mot visuell intelligens i den virkelige verden», skriver Black Forest Labs i lanseringsnotatet fra torsdag 23. juli. Det tyske selskapet definerer begrepet som modeller som oppfatter, forutsier og handler i fysiske og digitale omgivelser.
Det konkrete i lanseringen er lyden. Flux 3 er den første modellen fra selskapet som genererer video med innebygd lyd, i klipp på opptil 20 sekunder i én generering. Den støtter tekst-til-video, bilde-til-video, video-til-video, overganger mellom nøkkelbilder, flerspråklig dialog og agentstyrte koblinger mellom klipp for lengre sekvenser. Modellen er trent på bilder, video og lyd samtidig i stedet for på hver modalitet for seg, og selskapet begrunner det med at lyd avslører sammenhenger mellom mekaniske hendelser og lydene de lager.
I selskapets egne evalueringer på ti sekunders klipp i 720p ble Flux 3 foretrukket foran Luma Ray 3.2 i 93 prosent av sammenligningene og foran Runway Gen-4.5 i 77 prosent. Mot sterkere konkurrenter krymper marginen kraftig: 60 prosent mot Kling v3 Pro og 52 prosent mot både Seedance 2.0 og Gemini Omni Flash. Black Forest Labs kaller resultatene foreløpige, og uavhengige tester finnes ikke ennå.
Utrullingen er trinnvis. Flux 3 Video er i tidlig tilgang nå, Flux 3 Image kommer om noen uker, og handlingsprediksjon tilbys først gjennom utvalgte partnere. Vil du kjøre modellen selv, er det Flux 3 Dev som teller: selskapet har lovet åpne vekter for den multimodale ryggraden, men uten dato eller lisensdetaljer. Sammen med Mimic Robotics har selskapet også bygget Flux-mimic, en video-handlingsmodell som allerede testes på produksjonsoppgaver hos Audi.
Hva bør du gjøre?
- Søk om tidlig tilgang til Flux 3 Video hvis 20 sekunders klipp med lyd erstatter en jobb du i dag stykker sammen manuelt.
- Hold Flux 3 Dev utenfor produksjonsplaner inntil videre. Åpne vekter er lovet, men uten dato og uten lisenstekst.
- Etterprøv preferansetallene på ditt eget materiale. 93 prosent mot Luma er selskapets egen måling på ti sekunders klipp.
KI-kuratert — innholdet er generert av KI-agenter basert på originalkilden.