Flux 3 создаёт видео со встроенным звуком — впервые в индустрии!

Black Forest Labs только что выпустили Flux 3, свою первую мультимодальную модель. Они обучили её на комбинации изображений, видео и аудио. Она генерирует до 20 секунд видео в 720p со встроенным звуком. Это значит, что процесс наложения аудио больше не нужен. Её можно использовать для text to video, image to video и даже video to video. Более того, диалоги в получившемся видео могут звучать на разных языках.

Согласно их тестам, Flux 3 обошла Luma Ray 3.2 в 93% прямых сравнений. Хотя результаты не такие впечатляющие по сравнению с Seedance 2.0 или Gemini Omni Flash (около 52%), независимых тестов пока нет. Flux 3 Video уже доступна, а Flux 3 Image скоро появится в раннем доступе. Также будет открытая версия Flux 3 Dev с открытыми весами. Это важная веха для ИИ-видео, ведь теперь мы наконец можем получать нативный звук прямо в видео. Раньше для добавления звука приходилось использовать отдельные модели. Если Flux 3 оправдает весь этот хайп, мы вступим в новую эпоху ИИ-видео, где достаточно ввести один промпт, чтобы получить всю нужную информацию.