Black Forest Labs 发布 Flux 3：首次支持生成带原生音频的视频

Black Forest Labs 发布新一代多模态基础模型 Flux 3，首次让生成视频自带原生音效，单条时长可达20秒，视频生成的“哑巴”时代开始被打破。

• 模型同时在图像、视频、音频数据上训练，画面与声音由同一模型同步生成，不再依赖后期配音配乐
• 生成视频时长上限20秒，BFL官方称这是公司历史上首次支持原生音频视频生成
• 内部测试显示效果略优于当前市场标杆Seedance 2.0，但第三方独立评测尚未跟进，实际水平待验证
• BFL的终局目标是“世界模型”，Flux 3 已被用于机器人任务的探索性测试，视频生成只是阶段性产物
• 音画同步生成若稳定可用，将直接压缩短视频、广告、虚拟主播等内容的后期制作环节
• 对内容生产而言，“一步到位”出片配音是效率杀器；但官方自测数据的水分要等独立评测才能挤干，值得持续跟进。

本内容由 AI 生成，仅供参考，请注意甄别