Black Forest Labs 推出多模态基础模型 FLUX 3

Black Forest Labs推出多模态基础模型FLUX 3，首次在统一架构下联合学习图像、视频与音频。模型基于Self-Flow技术，可单次生成最长20秒带原生音频视频，支持文生视频、图生视频等模式。通过模态间物理约束学习世界表征，在机器人操控任务表现优异。