登入
創作者和電影製作人
產生具有原生音訊、多語言對話和風格多樣性的影片剪輯 - 從偷拍的攝影機鏡頭到動畫。將剪輯連結成具有一致角色的較長多鏡頭序列。
FLUX 3 基於 Self-Flow 構建——在同一架構內有效地協調多模式生成和理解——同時跨視訊、影像和音訊進行擴展。
為什麼 FLUX 3 改變了多模式生成
一種模型，一種基本現實
影像、視訊和音訊是不同感測器捕捉的同一世界的投影。 FLUX 3 同時學習所有這些，因此聲音與衝擊相匹配，運動服從質量，未來跟隨過去。
自流架構
基於自流，BFL 顯著擴展了計算和數據，以在同一底層模型中訓練生成和理解，從而提高品質和下游任務性能。
自由組合方式
FLUX 3 可以根據文字提示產生帶有音頻的圖像和視頻，或者組合圖像和視頻剪輯等輸入參考，將角色、風格和上下文帶入新場景。
邁向視覺智能
FLUX 3 是 BFL 開發現實世界視覺智慧使命的一個檢視點：在物理和數位環境中感知、預測和行動的模型。
FLUX 3 專為創作者、行銷人員、設計師、機器人團隊以及任何想要智慧創意合作夥伴（而不僅僅是單一模式轉換器）的人而打造。
FLUX 3 適合誰
行銷人員和視覺團隊
透過代理推理製作活動概念、精美變體和大量版式設計。參考文獻中的幾代人並在圖像和視訊工作流程中更快地迭代。
物理人工智慧和機器人技術
使用 FLUX 3 的世界理解進行動作預測。 FLUX-mimic 透過有限的特定任務資料對視訊主幹進行微調，以實現靈巧的操作—橋接內容創建和實體人工智慧。
一個統一的模型為視訊、圖像和動作提供動力——每種模式都受益於跨圖像、視訊和音訊訓練的共享世界理解。
FLUX 3 功能
附有原生音訊的影片（最長 20 秒）
文字到視訊、圖像到視訊動畫、視訊到視訊參考傳輸、生成視訊音訊延續以及關鍵影格到視訊控制 - 所有這些都具有同步的本機音訊生成。
多語言對話與聲音設計
擅長捕捉人類面部表情、將聲音與物理事件相關聯以及生成多語言對話 - 將功能組合成持續幾分鐘的序列。
風格多樣性和版式
處理範圍從偷拍的攝影機鏡頭到動畫和電影。強大的版式生成和動畫設計，涵蓋各種視覺風格和縱橫比。
代理多鏡頭鏈接
將單一剪輯連結成更長的多鏡頭序列。視覺參考有助於確保角色在整個敘事過程中的所有場景中保持一致。
影像合成與編輯
合成和編輯各種樣式、長寬比和解析度的圖像。改進了複雜的提示依從性和多種語言的高精度文字呈現。
動作預測
原生動作預測直接整合到 FLUX 3 中，加上經過微調的專用模型（如 FLUX-mimic）—使用預先訓練的視訊主幹作為動態感知基礎。
早期基準性能
在初步的 720p 文字轉視訊評估中，FLUX 3 在頭對頭比較中優於幾個領先的模型 - 預計在早期訪問期間會有進一步的改進。
了解有關多模式 AI 的更多信息
探索 Black Forest Labs 的 FLUX 3 並開始使用我們的平台進行創作。
有關 FLUX 3 的常見問題
本頁面總結了 Black Forest Labs 提供的有關 FLUX 3 的公開資訊。我們不隸屬於 BFL。