FLUX 3 от Black Forest Labs: генерация 20-секундных видео с нативным аудио и драфт-режимом

Black Forest Labs выдали один из самых продуманных апдейтов на рынке генеративного видео. FLUX 3 — это единая мультимодальная архитектура, которая одновременно работает с текстом, изображениями, видео, аудио и даже предсказанием действий. Теперь можно генерировать ролики длиной до 20 секунд одним запросом, причём звук создаётся нативно вместе с видеорядом. Модель без костылей справляется с синхронизацией речи и фоновыми эффектами.

Главная фича, которая реально меняет пайплайн работы — режим Draft. Модель быстро и дёшево рендерит черновой вариант в HD-качестве за $0.06 за секунду. Если композиция и динамика устраивают, драфт отправляется на рендер и превращается в полноценное FHD-видео. Это избавляет от необходимости сжигать бюджеты на неудачные генерации в поиске нужного ракурса!

В основе модели лежит внутренняя разработка Self-Flow, которая выравнивает понимание разных модальностей на базовом уровне. Пока через API и дашборд доступна только видеогенерация. Открытые веса мультимодальной базы FLUX 3 Dev, генерация изображений и модуль Action для робототехники появятся на следующих этапах раскатки.