AI Radar
Black Forest Labs открыла ранний доступ к мультимодальной модели FLUX 3 Video
Black Forest Labs запустила ранний доступ к FLUX 3 Video — первой доступной части модели, совместно обученной на изображениях, видео и аудио. Она создаёт ролики с нативным звуком продолжительностью до 20 секунд.
Модель принимает текст, изображения, ключевые кадры и референсные клипы, умеет продолжать видео со звуком и переносить персонажей между сценами. Заявлены многоязычные диалоги и сборка длинных последовательностей из нескольких клипов.
Предварительные тесты компании проводились на десятисекундных роликах в разрешении 720p, однако модель и система оценки ещё дорабатываются. В дальнейшем запланированы API, закрытые веса и открытая базовая модель FLUX 3 Dev для изображений, видео, аудио и прогнозирования действий.
Почему это важно
Почему важно: совместное обучение на изображениях, движении и звуке сокращает разрыв между отдельными генеративными конвейерами. Обещанный открытый backbone также может сделать архитектуру полезной для исследований мультимодальности и робототехники.
Первоисточники и подтверждения
Подборку проверяет редакция DSML. AI помогает дедуплицировать сигналы и готовить текст, но опубликованный выпуск остаётся редакционным продуктом, а не лентой отдельных каналов.