Flux3发布了。
黑森林工作室好久没消息了，这次终于拿出一个模型。
这个模型支持视频、图片、音频和动作预测，是一个综合的多模态模型。
还在评估模型的早期，后面会发布一个叫flux3-dev的开源模型。
那这模型估计就很大了，未必能在本地跑起来，还是希望发布一个轻量级开源模型，否则本地跑不了。

下面是项目官方的介绍。

在视频方面，在追赶seedance2.0，支持的功能包括：
文本转视频生成。
图像到视频生成，要么从起始帧（“动画”）继续，要么使用图像作为视觉参考。
从参考片段生成视频到视频，将源视频的核心元素——例如同一角色——带入新的场景或上下文。
从输入视频和音频实现生成视频-音频延续。
关键帧生成视频，用于定义时刻之间的受控过渡。
多语言对话。
视觉风格和画面比例广泛，远超传统电影作品。
将单个片段串联成更长的多镜头序列。
风格多样性——FLUX 3 Video轻松处理从自然摄像机画面到动画和电影的各种风格。
出色的字体生成和动画设计。

图片方面：
FLUX 3 可以合成和编辑多种风格、宽高比和分辨率的图像。在中期训练期间进行的初步评估中，FLUX 3 已经比早期版本有了显著提升：其处理复杂提示和文本生成的能力有了显著提升。该模型能够产生多种输出风格（见以下示例），并能够以多种语言渲染高精度文本。

动作预测:
FLUX 3 的世界观理解延伸到动作预测。我们采取了两条路径：直接将原生动作预测整合进FLUX 3，扩大我们在Self-Flow中的初步工作;并利用预训练视频骨干作为动态感知基础，使专业动作模型能够在有限的任务特定数据下进行微调。 http://t.cn/AX9NfiB4