FLUX 3 介绍
一条有对白、有环境声、有连续角色的短片，常要在生图、动画、配音和剪辑工具之间来回切换。FLUX 3把图像、视频与音频放进同一套多模态模型，文字、图片或参考视频都能成为创作起点。FLUX 3可生成最长20秒的原生带声视频，覆盖文生视频、图生视频、视频转视频、音画续写和关键帧转场，并支持多语言对白、不同画幅与多种视觉风格。图像部分可完成生成和编辑，对复杂提示词、画面文字及多语言排版也有加强。广告创意、品牌短片、动画预演和影视分镜，可借此减少跨工具拼接，让角色、动作、声音与镜头衔接更顺。目前处于早期访问阶段，视频能力已开放申请，图像与更多接口仍在陆续推出。FLUX 3正把静态创意延伸成有动作、有声音的完整创作场景和工作流。
FLUX 3 需求人群
视频创作者：制作带对白、环境声和连续动作的短片，减少画面生成、配音和声音设计之间的反复切换。
品牌与广告团队：将产品图片、人物设定或风格参考扩展成动态广告、宣传短片和社媒内容。
影视与动画团队：通过关键帧、参考视频和连续镜头快速制作分镜预演、动画草案与概念片。
开发者与产品团队：通过后续开放的API或私有权重，将多模态生成能力接入内容平台和视觉应用。
机器人与具身智能团队：探索视频世界模型与动作预测，目前相关能力主要面向早期合作伙伴。
FLUX 3 主要功能
文字生成带声视频：输入文字描述即可生成包含画面与原生声音的视频，适合概念短片、广告草案和社媒内容。
图片生成视频：从一张起始画面继续生成动画，也可使用图片控制人物、主体和整体视觉方向。
视频生成视频：参考已有视频保留角色或核心元素，再切换场景、风格和故事语境。
视频音频续写：输入现有视频与音频，继续生成后续画面和声音，适合延展片段或补充镜头。
关键帧控制转场：指定关键画面之间的变化过程，让人物动作、场景切换和镜头过渡更可控。
多语言对白生成：在视频中生成人物对白和对应声音，适合多语言剧情、访谈和角色内容。
图像生成与编辑：生成或修改不同风格、画幅和分辨率的图片，并加强复杂提示词与多语言文字表现。
FLUX 3 产品特色
统一多模态架构：图像、视频与音频共同训练，创作和理解围绕同一套世界表征展开。
原生音画同步：视频生成时同步处理对白、环境声和动作声音，减少后期重新配音与拼接。
多种参考输入：文字、图片和视频都能参与控制，方便延续角色形象、主体元素和视觉风格。
连续镜头扩展：可将独立片段串联成更长的多镜头序列，适合剧情、广告和连续叙事。
延伸动作预测：同一模型底座覆盖内容生成与动作预测，为机器人和物理世界研究提供基础。