Black Forest Labs

FLUX 3は動画、画像、音声、行動を同じ系列で扱う。動画側は最長20秒、最大4K、24fpsのクリップを作り、多言語の音声、効果音、環境音をフレームと同時に生成する。カットをまたいで場面をつなげるため、1回のリクエストで複数ショットが返る。固定の1カットで終わらない。

FLUX 3 Imageはキャンバスを両軸0〜1000のグリッドとして扱う。要素ごとに箱を描いて説明を入れ、全体をつなぐキャプションを1行書くと、モデルはそれぞれを箱の中に描く。編集的なレイアウト、ポスターの文字組み、人が密集する場面が偶然ではなく設計どおりに出るのはこの機能のおかげだ。

参照画像は最大10枚まで渡せ、1つの構図に組み上げてもらえる。人物、製品、スタイルを別々の生成でも揃えられる。プロンプトだけでブランド素材を再現しようとすると崩れる部分を埋める。

編集はマスクではなく文で指定する。変えたいところを伝えれば、触れなかった領域はその場に残る。手を直す、背景を差し替える、写真の雰囲気を変えるといった作業を、画面全体を描き直さずに済ませられる。

FLUX 3 Image Kleinは5.6Bパラメータのオープンウェイト画像モデルで、テキストto画像、編集、複数参照の生成を1組のウェイトでこなす。INT8版は8GBのカードに収まり、蒸留版は16ステップで描く。年商500万ドル未満の個人・企業はFLUX Kommunityライセンスで商用利用でき、LoRAの学習にも対応する。

本番レンダリングを何度も回すと動画の費用は膨らむ。ドラフトモードは速くて安いプレビューとキャッシュの束を返し、draft_enhanceが選んだプレビューを同じシードでフル品質に作り直す。気軽に試して、残すショットにだけ全額を払えばいい。