Большинство моделей генерации видео стремятся к идеальной «кинематографической» картинке. Black Forest Labs (BFL) решила пойти другим путём: её новая FLUX 3 Video генерирует реалистичные клипы до 20 секунд, сразу со звуком и диалогами.
FLUX 3 Video работает через BFL API и у избранных партнёров. Модель создаёт видео до 20 секунд в HD-разрешении, с возможностью масштабирования до Full HD. Она генерирует нативный звук вместе с видеорядом. В основе лежит мультимодальная архитектура FLUX 3, которая учится на видео, аудио и изображениях, чтобы моделировать «реальность», а не просто стили. Это позволяет создавать клипы, которые могут выглядеть естественно, «сыро», игриво, ностальгически или необычно, без ограничений «кинематографической» эстетикой.
FLUX 3 Video предлагает широкий набор возможностей:
- Текст в видео (Text-to-Video) — создание сцен по простому или детальному текстовому описанию. Модель понимает сложные инструкции, генерирует естественные движения, логику сцены и звук.
- Изображение в видео (Image-to-Video и Keyframes) — старт с одного изображения, указание конечного кадра или нескольких ключевых кадров в клипе. FLUX 3 Video соединяет их, сохраняя заданный визуальный язык.
- Продолжение видео (Video Continuation) — модель может продолжить существующий клип длиной до четырёх секунд, учитывая движение, поведение камеры, диалоги и звук.
- Несколько планов — создание нескольких сцен и ракурсов камеры в одном видео, сохраняя последовательность.
- Звук и диалоги — генерация диалогов, звуковых эффектов и фоновых звуков вместе с видеорядом.
- Многоязычность — поддержка множества языков, включая английский (различные диалекты), китайский, испанский, французский, немецкий, японский, португальский, русский, итальянский, индонезийский, турецкий, хинди, панджаби, с точной синхронизацией губ.
- Знание мира (World Knowledge и Grounding) — модель сочетает знания, полученные на этапе предварительного обучения, с привязкой к реальному времени. Это делает её полезной для документальных фильмов и образовательного контента даже по короткому промпту.
- Черновой режим (Draft Mode) — позволяет быстро исследовать творческие направления. Черновая генерация возвращает быстрый предпросмотр по сниженной стоимости, что ускоряет итерации. Финальное видео в полном качестве точно соответствует одобренному черновику.
FLUX 3 Video предлагает иной подход к генерации: вместо стилизации под кино — моделирование реальности. Это открывает новые возможности для контента, требующего естественности или специфического стиля. Однако BFL не раскрыла цены на свой API, что затрудняет прямое сравнение с конкурентами, такими как RunwayML, которые предлагают генерацию видео от 5 кредитов в секунду.