Black Forest Labs 发布 FLUX 3,一个模型搞定图像、视频和音频,一次能生成 20 秒带声音的视频
Black Forest Labs 发布 FLUX 3 多模态模型,支持单次生成 20 秒视频与原生音频
FLUX 3 用统一架构把图像、视频和音频放在一起学,不再拆成几个模型拼凑。它一次能输出最长 20 秒的视频,并且自带原生音频,支持文生视频、图生视频、视频续写、关键帧转视频和多镜头串联。
推荐理由:Black Forest Labs 发布 FLUX 3,用统一架构把图像、视频和音频放在一起训练,单次可输出最长 20 秒带原生音频的视频,并支持多镜头串联。