Flux 3 增加原生音訊——它能否在影片大戰中擊敗 Kling？
黑森林實驗室發布了 flux 3，一種可生成長達 20 秒帶原生音訊影片的多模態模型，在內測中擊敗了 luma 和 runway。這加速了向統一世界模型的競賽，可同時處理機器人技術和電影級生成。
Black Forest Labs 發布了 Flux 3，一個多模態基礎模型，可以同時在圖像、視頻和音頻上進行訓練，以生成帶有原生聲音的 20 秒剪輯。使用 10 秒 720p 剪輯的內部評估表明，該模型明顯優於 Luma Ray 3.2（贏得 93% 的比較）和 Runway Gen-4.5（贏得 77%），而與 Kling V3 Pro 相比則處於較窄的優勢（60%）。除了內容生成之外，BFL 還推出了 Flux-Mimic，一個目前在奧迪（Audi）進行生產測試的動作模型擴展，根據視頻理解預測機器人運動。該架構利用專用的編碼器和解碼器創建現實的共享表示，使 BFL 能夠通過在單一系統中統一感知、預測和動作，與 DeepMind 和其他頂級實驗室的「世界模型」努力競爭。