FLUX 3
统一架构的多模态基础模型，覆盖图像、视频、音频与动作预测
工具介绍
FLUX 3 是 Black Forest Labs 的多模态基础模型，将图像、视频、音频与动作预测整合在同一套架构中。官方说明其可生成并理解视频、音频、图像和动作，视频侧支持文生视频、图生视频、视频到视频、视频续写以及关键帧控制的转场，单次生成时长上限为 20 秒，可选 HD（每帧最高 1 百万像素）或 FHD（每帧最高 2 百万像素）。它还能随视频生成原生音频，包含多语言对白、同步语音、音效与环境氛围，且不额外收费。用户可通过 Black Forest Labs 控制台或 API 按量付费调用，也可下载开放权重自行部署。
核心功能
- 文生视频与图生视频：根据文字提示或输入图像生成视频片段，官方列为 FLUX 3 Video 的核心能力之一。
- 视频到视频与视频续写：对已有视频进行编辑转换，或在已有素材基础上继续生成后续内容。
- 关键帧控制转场：通过关键帧控制镜头之间的过渡，官方 FAQ 将其列为支持的输入方式。
- 原生音频生成：随视频生成可选的原生音频，涵盖多语言对白、同步语音、音效与环境氛围，且不额外收费。
- Draft 模式：先生成更快、成本更低的 HD 预览，方向确认后可增强为完整质量的 FHD 结果。
- 多场景与文本排版：官方能力列表包含多场景生成以及文本与排版渲染，并支持智能体式链式调用。
使用方法
- 1通过 Black Forest Labs 控制台或 API 进入 FLUX 3，确定要生成或编辑的视频任务。
- 2提供文字提示、输入图像或已有视频，并按需使用关键帧控制转场或续写方向。
- 3选择 HD 或 FHD 输出，单次生成时长上限为 20 秒；如需快速确认方向可先用 Draft 模式生成 HD 预览。
- 4查看生成结果，确认方向后将 Draft 预览增强为完整质量的 FHD 成片，并检查随视频生成的原生音频。
常见问题
FLUX 3 能生成哪些类型的内容？
官方将 FLUX 3 描述为覆盖图像、视频、音频和动作预测的多模态模型，并在统一架构中生成与理解视频、音频、图像和动作。视频侧的核心能力包括文生视频、图生视频、视频到视频、视频续写、关键帧控制转场、多场景以及文本与排版渲染。
FLUX 3 生成的视频可以有多长、多清晰？
官方 FAQ 说明，FLUX 3 单次生成可产出最长 20 秒的片段，分辨率可选 HD（每帧最高 1 百万像素）或 FHD（每帧最高 2 百万像素）。
FLUX 3 能同时生成视频和音频吗？
可以。官方 FAQ 说明 FLUX 3 可随视频生成可选的原生音频，包括多语言对白、同步语音、音效与环境氛围，且音频不额外收费。
什么是 FLUX 3 的 Draft 模式？
Draft 模式会先生成更快、成本更低的 HD 预览，用于快速确认创作方向；方向确定后，可将该预览增强为完整质量的 FHD 结果。
如何访问 FLUX 3，费用怎么计算？
官方 FAQ 说明 FLUX 3 Video 可通过 Black Forest Labs 控制台（网页）和 API 使用，采用按量付费方式；官方首页还列出开放权重下载，可自行定制与部署。
