FLUX 3 научилась создавать видео со звуком

Black Forest Labs открыла FLUX 3 Video через API. Модель создаёт до 20 секунд видео со звуком, меняет сцены и поддерживает русскую речь. Однако это платный инструмент для разработчиков, а не бесплатный видеоредактор.


Black Forest Labs открыла доступ к начальной версии FLUX 3 Video 4 августа. Модель работает через BFL API и у отдельных партнёров компании. Пользователь отправляет запрос, получает ссылку для проверки статуса задачи, а после завершения — готовый MP4-файл. Это асинхронная схема: ролик не появляется в ответе мгновенно, его генерацию нужно отслеживать до статуса Ready.

FLUX 3 Video создаёт клипы продолжительностью до 20 секунд вместе со звуком. Доступны HD-разрешение 720p и Full HD 1080p, однако компания уточняет, что Full HD получается посредством увеличения разрешения. В одном запросе модель может сгенерировать движение, диалог, фоновые шумы и звуковые эффекты, а также менять ракурсы и сцены внутри одного ролика.

Система принимает несколько типов входных данных. Режим text-to-video строит видео по описанию. Image-to-video оживляет исходное изображение и позволяет закреплять начальный, конечный или промежуточные кадры. Video continuation продолжает уже существующий клип: в модель можно передать до четырёх секунд видео со звуком и задать дальнейшее развитие сцены. При этом она должна учитывать движение объектов, работу камеры, речь и аудиодорожку на стыке.

Русский язык включён в официальный перечень поддерживаемых вместе с английским, китайским, испанским, французским, немецким, японским и другими. Речь идёт прежде всего о генерации диалогов, произношении и синхронизации движения губ. Отдельного обещания, что русскоязычные промпты понимаются с той же точностью, что и английские, в документации нет. Заявления о качестве многоязычной речи и липсинка пока исходят от самой Black Forest Labs и не сопровождаются независимым сравнительным тестом.

Практически важная функция — Draft Mode. Сначала модель выдаёт более дешёвый черновой ролик, на котором можно проверить композицию, персонажей и движение. Если результат подходит, черновик переводится в режим полной отрисовки с сохранением выбранной сцены. Это снижает стоимость перебора вариантов: генерация по тексту или изображению в HD стоит 0,06 доллара за секунду в черновом режиме и 0,17 доллара за секунду в обычном. Таким образом, двадцатисекундный тест обходится в 1,20 доллара, а финальная HD-версия — в 3,40 доллара без учёта повторных попыток.

Публичный релиз не означает, что модель открыта для локальной установки. Сейчас FLUX 3 Video доступна как облачный сервис с оплатой по факту использования. В дорожной карте компании остаются новые способы управления видео, работа с комбинациями изображений, клипов и аудиореференсов, генератор изображений FLUX 3 Image и FLUX 3 Dev с открытыми весами.

Black Forest Labs также утверждает, что FLUX 3 превосходит ряд конкурентов в её внутренней оценке. Эти результаты нельзя считать независимым подтверждением лидерства: тестирование организовала сама компания, а в опубликованном анонсе нет описания, достаточного для независимого воспроизведения теста. На нынешнем этапе ценность релиза проще оценивать по доступным функциям — двадцатисекундным сценам, встроенному звуку, продолжению клипов и возможности не платить полную цену за каждый неудачный замысел.


У генеративного видео появляется почти производственный черновик: сначала проверяется не красота отдельных кадров, а вся сцена — движение, монтажный ритм, звук и речь. Это делает модель менее похожей на эффектную игрушку и ближе к инструменту, который можно встроить в реальный рабочий процесс.

Фото: редакция ИЗНАНКИ.