黑森林实验室推出FLUX3多模态模型音视频生成能力领跑行业

AI创作导航管理员 LV4 资深连续登录30天萌新

2 个月前

风向

1422

2026年7月24日，Black Forest Labs（黑森林实验室）正式以Early Access模式上线FLUX3多模态基础模型，该模型基于Self-Flow自监督流匹配框架开发，支持单次生成最长20秒同步音视频，在10秒720P带声视频人工评测中，对Grok Imagine Video胜率达69%，对Seedance 2.0、Gemini Omni Flash胜率均为52%，多模态能力全面领先前代及同类竞品。

不少AIGC创作者都曾遭遇生成视频音画不同步、时长上限短、跨模态调用繁琐的痛点，而黑森林实验室最新推出的FLUX3，直接从底层架构层面给出了解决方案。此前该实验室推出的FLUX1、FLUX2系列图像生成模型，已经凭借生成质量稳定、细节还原度高的优势，成为商用场景使用率最高的图像生成模型之一。

和多数厂商拼接不同模态模型的方案不同，FLUX3采用统一架构联合学习图像、视频、音频三类数据，基于Self-Flow自监督流匹配框架同步完成三类模态的训练，不需要额外接入音频生成模型做后期对齐，从底层解决了音画不同步的行业通病。

目前FLUX3已经支持文生视频、图生视频、视频生视频、输入音视频续写、关键帧转视频、多语言对话、多镜头串联等七种创作模式，覆盖了短视频制作、影视分镜预演、广告创意输出等多数内容创作场景的核心需求，单次生成最高可输出20秒同步音视频，时长上限超过多数同类产品。

在官方公布的人工盲测数据中，针对10秒720P带声视频的生成效果，FLUX3对比xAI旗下的Grok Imagine Video达到69%的胜率，对比字节跳动的Seedance 2.0、谷歌的Gemini Omni Flash两款主流产品，胜率也均达到52%，在画面清晰度、内容匹配度、音频同步性三个核心维度的表现均超过竞品。

据了解，此次评测采用双盲对照方式，由120名来自内容创作、影视制作、AI技术领域的专业评审打分，排除了品牌偏好对评测结果的干扰，数据参考性较强。

目前FLUX3仅面向受邀客户开放Early Access测试资格，后续将逐步开放公开API接口和个人用户试用通道。行业分析师认为，FLUX3的出现将进一步降低专业音视频内容的制作门槛，中小创作者无需掌握复杂的剪辑和音频处理技能，即可快速生成符合商用要求的音视频素材。

未来随着模型迭代，FLUX系列还有望进一步延长生成时长、提升分辨率，甚至支持完整的短剧、广告片全流程生成，给内容生产行业带来更深度的变革。

多模态大模型音视频生成人工智能 Labs Flux3 Black Forest

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。