XNews

黑森林实验室发布FLUX 3:面向视频、图像和动作的多模态“世界模型”

黑森林实验室发布FLUX 3:面向视频、图像和动作的多模态“世界模型”

黑森林实验室发布FLUX 3,将其定位为“真实世界模型”,而不仅仅是文本转视频或图像模型。该模型在多模态流架构中共同训练图像、视频和音频,以学习世界如何运作,然后将同一基础连接至内容生成和具身动作预测。该模型拥有三条产品线:视频(最长20秒,自带原生音频,早期访问)、图像(合成与编辑,数周内推出)和动作(原生运动预测,与FLUX-mimic合作渠道用于机器人/奥迪)。团队认为,共同训练多种模态能提供相互约束(声音匹配冲击,动作遵循物理规律),从而更好地逼近世界表征。

Source posts