Black Forest Labs представила мультимодальную модель Flux 3 для генерации изображений, видео и аудио
Пока её не выпустили.
Источник здесь и далее: Black Forest Labs
- Flux 3 может генерировать изображения и одновременно видео и аудио — по текстовым промптам или референсам, рассказала компания.
- По её словам, Flux 3 может создавать «очень разнообразные» видео с аудио длительностью до 20 секунд за одну генерацию. Есть генерация по текстовому промпту, по картинке-референсу или клипу-референсу, поддержка диалогов на нескольких языках, «широкий диапазон» визуальных стилей и соотношений сторон, «эффективная» генерация типографики и прочее.
- Хотя над Flux 3 Video компания ещё работает, модель уже показывает хорошие результаты в захвате выражения лица, связывании звуков и реальных событий и многоязычных возможностях, отметили разработчики. Компания открыла приём заявок на ранний доступ.
- Flux 3 также может генерировать и редактировать изображения в «разнообразных» стилях, соотношениях сторон и разрешениях. По предварительным оценкам, модель показала лучшие результаты в обработке сложных промптов и генерации текста по сравнению с более ранними версиями Flux. Ранний доступ к Flux 3 Image компания планирует открыть в течение ближайших недель.