德国黑森林实验室发布Flux3 多模态模型：原生音频生成， 20 秒音视频同步输出

德国AI初创公司黑森林实验室正式发布多模态基础模型Flux3。该模型基于Self-Flow架构打造，配备专用的图像、视频、音频及动作编解码器，实现了对物理与数字环境的统一理解与生成。Flux3是首款支持原生音频生成的模型，可一次性输出长达20秒的音视频同步片段，并涵盖文本/图像/视频转视频、基于关键帧的转场及多语言对话等功能。在720p分辨率、10秒片段的早期测试中，Flux3性能以93%胜率超越Luma Ray3.2，以77%胜率超越Runway Gen-4.5。公司联合Mimic Robotics开发了适用于机器人领域的视频动作模型Flux-mimic，目前已在奥迪工厂开展生产任务测试。BFL采取分阶段推出策略，Flux3 Video现已上线，Flux3 Image与开源权重的'Flux3 Dev'也将在近期陆续发布。