โมเดลวิดีโอและภาพ AI Flux 3

โมเดลวิดีโอและภาพ AI Flux 3

Flux 3 คือโมเดลมัลติโหมดของ Black Forest Labs สำหรับวิดีโอ ภาพ เสียงในตัว และการคาดการณ์การกระทำ สำรวจฟีเจอร์ Flux 3 ที่ยืนยันแล้วและแผนทดลองใช้

• วิดีโอพร้อมเสียงที่ซิงค์ในตัว: Flux 3 สร้างวิดีโอหลากหลายพร้อมเสียงในตัวได้ในครั้งเดียว โดยช่วงทดลองใช้รองรับคลิปยาวสูงสุด 20 วินาที Black Forest Labs เน้นการซิงค์เสียงพูด เอฟเฟกต์ และเหตุการณ์ทางกายภาพ แต่ผลประเมินที่เผยแพร่ยังเป็นข้อมูลเบื้องต้น
• อินพุตและข้อมูลอ้างอิงหลายรูปแบบ: Flux 3 รองรับข้อความเป็นวิดีโอ ภาพเป็นวิดีโอ วิดีโอเป็นวิดีโอ และการต่อวิดีโอพร้อมเสียง ภาพใช้เป็นเฟรมเริ่มต้นหรือข้อมูลอ้างอิงได้ ส่วนคลิปต้นฉบับสามารถพาตัวละครหรือองค์ประกอบหลักไปยังฉากใหม่
• คีย์เฟรม ลำดับยาว และตัวอักษรเคลื่อนไหว: Flux 3 มีการเปลี่ยนคีย์เฟรมเป็นวิดีโอ บทสนทนาหลายภาษา ตัวอักษรเคลื่อนไหว อัตราส่วนภาพหลากหลาย และการเชื่อมคลิปแบบเอเจนต์ Black Forest Labs ระบุว่าภาพอ้างอิงช่วยรักษาตัวละครข้ามหลายช็อตได้ แต่การทดสอบอิสระยังมีจำกัด
• แกนหลักเดียวที่ไปไกลกว่าวิดีโอ: Flux 3 ยังมุ่งสร้างและแก้ไขภาพ รวมถึงคาดการณ์การกระทำจากแกนหลักมัลติโหมดเดียวกัน การทดลองใช้ภาพมีกำหนดหลังพรีวิววิดีโอ ส่วนการกระทำเริ่มกับพันธมิตรวิจัยและธุรกิจที่คัดเลือก เช่น mimic robotics
• โมเดลมัลติโหมดโอเพนเวตที่วางแผนไว้: Flux 3 Dev วางแผนเป็นแกนหลักโอเพนเวตสำหรับวิดีโอ เสียง ภาพ และการคาดการณ์การกระทำ Black Forest Labs ยังไม่ประกาศวันเปิดตัว สัญญาอนุญาต ขนาดโมเดล ความต้องการฮาร์ดแวร์ ราคา API หรือผลทดสอบขั้นสุดท้าย
• กำหนดฉากและข้อมูลอ้างอิง: เริ่มจากตัวแบบ สภาพแวดล้อม การกระทำ การเคลื่อนกล้อง ระยะเวลา อัตราส่วนภาพ บทสนทนา และเสียง เมื่อสิทธิ์ใช้งาน Flux 3 รองรับข้อมูลอ้างอิง ให้เพิ่มภาพเริ่มต้น คีย์เฟรม หรือคลิปต้นทาง และระบุรายละเอียดที่ต้องคงความสม่ำเสมอ