Flux 3: ひとつのモデルで画像、動画、音声を

Flux 3はBlack Forest Labsの初の完全マルチモーダルFLUXで、ひとつのアーキテクチャで静止画、最大20秒のクリップ、その同期されたサウンドトラックを1つのパスで生成します。テキスト、音声、動画、最大10の画像参照を入力し、多ショットやリミックスのワークフローが可能です。単なるテキストから動画へのモデルとは一線を画します。

アーキテクチャは見出しです：画像、動き、そしてネイティブ音声が一緒に生成され、3つの異なるツールからステッチされることはありません。音声と画像が同一パスで生成されるため、環境音、物理的衝撃、リップシンクが自動的にアクションに合わせて着地します。音声ステップも手動の同期も必要ありません。1つのモデルが完全なパイプラインの仕事をこなします。

多くのトップモデルが15秒で限界に達するところ、Flux 3は20秒まで実行でき、キャラクターが入り、行動し、セリフを言うために十分な連続テイクを提供します。すべてのクリップには、それ自体の同期された音声が含まれ、環境のハム音から速射の対話まで、その瞬間を切らずに完全に再生します。

Flux 3はPicsartのAI Playgroundで利用可能になります。モデルメニューから選んですぐに生成を開始し、150以上の他のモデルとひとつのプロンプトから直接比較することができます。設定や構成は不要です。ただFlux 3を選んでクリエイトしてください。

クリエイターは、ひとつのプロンプトから完成された視覚音声を求めるときにFlux 3を手に取ります。画像、動き、音声が一つのまとまりあるアセットとしてBFLが知られている映画的リアリズムと物理的論理で提供されます。長い20秒のテイクが完全なビートを保持し、ネイティブ音声が同期のステップを消し、マルチモーダル入力が本当の監督のコントロールを手に入れます。もっとも1つのパスの中でビデオジェネレータであるよりも、1つのパスのスタジオです。