FLUX 3

FLUX 3 APIは、Black Forest Labsのマルチモーダル基盤モデルに、画像、動画、音声、アクション予測を横断してアクセスするためのAPIです。テキストとビジュアル参照を入力できます。

FLUX 3 APIはAPIMartで近日提供予定ですが、開始日は発表されていません。対応モダリティ、ドキュメント、制限、料金は、統合準備が整い次第公開します。

BFLは、FLUX 3 APIモデルが、多言語の台詞、環境音、シーン内の出来事に伴う音を含む動画とネイティブ音声を同時生成するものだと説明しています。

FLUX 3 APIモデルについてBFLは、ネイティブ音声付き動画を1回の生成で最長20秒まで作成できるとしています。より長いシーケンスには連結と参照素材を使用できますが、APIMartでの制限はまだ確定していません。

FLUX 3 APIの機能発表には、テキストから動画、画像から動画、動画から動画、キーフレームから動画、動画の延長、動画と音声の延長、参照ガイダンスが含まれます。

BFLによると、FLUX 3 APIモデルはさまざまなスタイル、アスペクト比、解像度で画像を生成・編集でき、複雑なプロンプトと多言語テキストをより適切に処理します。

FLUX 3 APIモデルのアクション予測は、学習した視覚的ダイナミクスを使って次に起こり得ることを予測します。APIMartはこの機能へのアクセスをまだ確定していません。

FLUX 3 APIの最終的な統合範囲はまだ発表されていません。対応モダリティ、リクエスト形式、出力制限、商用条件、料金は、アクセス提供時に公開されます。