跳到正文
Hacker News 首页

BFL 发布 FLUX 3:一个模型同时搞定视频、图片和音频

Flux 3

FLUX 3 是 BFL 的新多模态基础模型,把图片、视频和音频放在同一个架构里联合训练。它的思路是:单一模态信息不全,但把它们放在一起学,声音得匹配撞击、运动得服从质量,模型就能学到更底层的物理世界表征。视频生成已开放早期测试,支持文生视频、图生视频和视频转视频,最长 20 秒,自带原生音频。

推荐理由:BFL 发布 FLUX 3,把图片、视频和音频放进同一架构联合训练,视频生成已开放早期测试,支持三种生成方式,最长 20 秒并自带原生音频。

读原文 ↗导出 Markdown