7月23日，Black Forest Labs以Early Access形式上线FLUX 3多模态基础模型。该模型采用统一架构，联合学习图像、视频与音频，支持文生视频、图生视频、视频续写、关键帧转视频及多语言对话等功能，单次可生成最长20秒带原生音频的720p视频。基于Self-Flow自监督框架训练，在10秒带声视频人工评测中，胜率分别为Grok Imagine Video（69%）、Seedance 2.0（52%）和Gemini Omni Flash（52%）。团队正与Mimic Robotics合作探索其在机器人行为预测中的应用。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。