Flux 3 генерирует видео до 20 секунд с нативным аудио: что известно
Black Forest Labs представила Flux 3: модель создаёт видео со звуком до 20 секунд. Отделяем подтверждённые функции от ранних оценок компании.
Факты проверены 23 июля 2026 года. Black Forest Labs открыла ранний доступ к FLUX 3 Video, части новой мультимодальной модели для изображений, видео и аудио. Она может создать ролик с нативным звуком длительностью до 20 секунд за одну генерацию.
Доступ пока открыт ограниченному кругу участников. Сравнения с Grok Imagine Video, Kling, Seedance, Runway и Luma провела сама Black Forest Labs. Независимых тестов, публичных цен и сроков общего запуска на момент публикации нет.
FLUX 3 — мультимодальная модель Black Forest Labs, которую обучали совместно на изображениях, видео и аудио. Звук и видеоряд она создаёт в одном процессе, без склейки результатов двух отдельных генераторов.
| Параметр | Что подтверждено | Статус | Чего это не доказывает | Источник |
|---|---|---|---|---|
| Длительность | До 20 секунд за одну генерацию | Заявленная возможность FLUX 3 Video | Что каждый ролик длится 20 секунд | Black Forest Labs |
| Аудио | Нативный звук во всех перечисленных видеорежимах | Доступно в Early Access | Идеальную синхронизацию речи и событий в каждом клипе | Black Forest Labs |
| Входные данные | Текст, изображения, видео, ключевые кадры, видео и аудио для продолжения | Заявленные режимы модели | Одинаковое качество и управляемость во всех режимах | Black Forest Labs |
| Предварительное сравнение | 10-секундные клипы 720p с аудио | Собственная оценка BFL | Качество 20-секундных роликов, 4K или лидерство в независимом рейтинге | Black Forest Labs |
| Доступ | Подача заявки на ограниченный Early Access | Предрелизный доступ партиями, без гарантии приглашения | Общую доступность, бесплатный тариф или открытый API | Условия Early Access |
| API и веса | API, частные веса и открытая мультимодальная основа входят в план запуска | Следующие недели и месяцы | Что их уже можно использовать или скачать | Black Forest Labs |
FLUX 3 Video: подтверждённые возможности
Black Forest Labs перечисляет пять основных способов работы с видео. Модель принимает текстовый запрос, оживляет стартовый кадр, использует изображение как визуальный ориентир, переносит элементы исходного видео в новую сцену и строит переход между заданными ключевыми кадрами. Ещё один режим продолжает входные видео и аудио.
Во всех этих сценариях FLUX 3 генерирует звук вместе с изображением. Компания также заявляет многоязычный диалог, разные стили и форматы кадра, а также связывание отдельных клипов в длинные многоракурсные последовательности. Последняя функция не увеличивает предел одной генерации: ролики по-прежнему собираются из отдельных отрезков.
Архитектурный замысел шире видеогенератора. FLUX 3 обучали одновременно на изображениях, видео и аудио, чтобы одна модель учитывала форму объектов, движение и связанный с событием звук. Похожий переход к общей мультимодальной системе мы разбирали в материале о том, почему рынок движется к одной модели для понимания и генерации медиа.
Нативное аудио создаётся вместе с видеорядом
Нативное аудио в FLUX 3 означает совместную генерацию звука и видео внутри одной модели. Отдельный синтезатор не получает готовый ролик постфактум: движение, речь и звуковые события возникают из общего представления сцены.
Такой подход может убрать один этап из рабочего процесса. Создателю ролика не придётся отдельно подбирать шум удара, речь или фоновую дорожку к уже созданному изображению. Но демонстрации запуска не показывают, насколько стабильно модель синхронизирует губы, голоса и физические события на разных языках и в длинных сценах.
Предел 20 секунд не равен качеству 20-секундных роликов
Число 20 описывает верхнюю заявленную длительность одной генерации. Black Forest Labs не утверждает, что все ролики создаются с такой длиной или что качество не меняется по мере продолжения сцены.
Для собственного сравнения компания использовала другие условия: 10 секунд, разрешение 720p и звук. Поэтому опубликованные проценты нельзя переносить на 20-секундные клипы, 4K или монтаж из нескольких сцен. Разрешение 4K в официальном анонсе FLUX 3 Video вообще не указано.
Сравнения BFL остаются предварительными
По данным Black Forest Labs, участники ранних оценок предпочитали FLUX 3 модели Grok Imagine Video в доле до 69% сравнений, Kling v3 Pro в 60%, Seedance 2.0 и Gemini Omni Flash в 52%. Показатель против Runway Gen-4.5 составил 77%, против Luma Ray 3.2 — 93%.
Эти числа описывают внутреннюю оценку BFL. Компания прямо пишет, что модель и стенд для тестирования ещё разрабатываются, а результаты могут измениться во время раннего доступа. Публичного набора запросов, роликов и полной методики, достаточной для воспроизведения вывода, в анонсе нет.
Поэтому формулировка «FLUX 3 лучше конкурентов» преждевременна. Для сравнения важны одинаковые запросы, число попыток, отбор результатов, состав оценщиков и критерии предпочтения. Ранее мы разбирали, как Grok Imagine Video вышла в API и с какими ограничениями; у FLUX 3 сопоставимых публичных данных о цене, скорости и лимитах пока нет.
Early Access не означает общий запуск
Пользоваться FLUX 3 Video сейчас могут участники раннего доступа, которых отбирает Black Forest Labs. На странице анонса есть форма заявки. В условиях программы сказано, что доступ дают ограниченно, могут открывать партиями с учётом вычислительных ресурсов и не гарантируют каждому заявителю.
Компания планирует выпускать возможности поэтапно в следующие недели и месяцы. В список входят генерация и редактирование видео с аудио через API и частные веса, изображительная модель FLUX 3 Image, направление для прогнозирования действий и открытая мультимодальная основа FLUX 3 Dev.
Этот план не раскрывает точные даты, цены, лимиты, системные требования или правила коммерческого использования будущих весов. Пока их нет на официальных страницах, сторонние сайты с кнопками «Generate», обещаниями бесплатного доступа или 4K нельзя считать сервисами Black Forest Labs. Посмотреть, какие нейросети для видео уже доступны пользователям, можно в отдельном обзоре Toolarium.
Главная ставка FLUX 3: единая модель для медиа
До FLUX 3 семейство Black Forest Labs ассоциировалось прежде всего с генерацией и редактированием изображений. Новая модель добавляет временную ось и звук, а общий обучающий подход компания также использует в FLUX-mimic для прогнозирования действий роботов. FLUX-mimic относится к соседнему направлению и ничего не доказывает о качестве видеогенерации.
Для создателей контента практический смысл проще: одна система потенциально может заменить подготовку кадра, анимацию, продолжение сцены и синтез звука. Реальную ценность определят независимые тесты, стабильность, скорость, стоимость и точность управления. Ранние демонстрации на эти вопросы пока не отвечают.
FLUX 3 Video уже показывает направление Black Forest Labs, но продуктовый запуск ещё впереди. До появления общего API и воспроизводимых сравнений корректный вывод один: компания заявила сильный набор режимов и нативный звук до 20 секунд, а доказательства стабильного преимущества только предстоит получить.
