# 黑森林实验室发布Flux3 多模态模型 首次支持 20 秒原生音视频同步生成

- Link: https://paooo.com/aigc-news/38850/
- Published: 2026-07-24T10:35:40+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * Flux3基于Self-Flow架构，整合图像、视频、音频与动作编解码器，推动多模态统一生成。
 * 它是首款支持原生音频生成的模型，可一次性输出最长20秒的音视频同步片段。
 * 早期对标测试显示，Flux3在720p、10秒场景中优于Luma Ray3.2和Runway Gen-4.5。

 7月23日，德国人工智能初创公司黑森林实验室（Black Forest Labs）正式发布多模态基础
模型Flux3，标志着生成式视频技术迎来重大突破。该模型基于Self-Flow架构打造，配备专用
的图像、视频、音频及动作编解码器，实现了对物理与数字环境的统一理解与生成。

![QQ20260724-100544.jpg](https://paooo.com/wp-content/uploads/2026/07/6392048441298566661393588-
3.avif "QQ20260724-100544.jpg")

作为首款支持原生音频生成的模型，Flux3可一次性输出长达20秒的音视频同步片段，并涵盖
文本/图像/视频转视频、基于关键帧的转场及多语言对话等功能。在720p分辨率、10秒片段
的早期测试中，Flux3展现出强劲竞争力，性能超越Luma Ray3.2（93%胜率）与Runway Gen-
4.5(77%胜率)，并在与Seedance2.0及Gemini Omni Flash等顶尖模型的对标中保持微弱优势。

此外，公司联合Mimic Robotics开发了适用于机器人领域的视频动作模型Flux-mimic，目前
已在奥迪工厂开展生产任务测试。BFL采取分阶段推出策略，Flux3Video现已上线，Flux3Image
与开源权重的“Flux3Dev”也将在近期陆续发布。通过打破单一模态的信息局限，Flux3正加速
推动AI向具备感知与行动能力的物理世界“世界模型”演进。

📌 语宙知识库 · 技术背景与应用场景延伸

Flux3代表多模态生成从“只会出画面”走向“画面、声音、动作同步生成”的新阶段。其价值不仅
在于更长的原生音视频输出，也在于把文本、图像、视频与动作统一到同一生成框架中，适合
短片制作、广告预演、交互内容和机器人动作建模。相比仅强调画质或单模态控制的方案，
Flux3更接近“世界模型”路线。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**Gemini ↗**

Google推出的AI聊天对话机器人Gemini。

**Runway ↗**

AI视频工具，绿幕抠除、视频生成、动态捕捉等功能。

❓ 常见问题解答（FAQ）

Flux3最大的技术突破是什么？

Flux3的核心突破是首次支持原生音频生成，并能一次性输出最长20秒的音视频同步片段。它
还结合图像、视频、音频和动作编解码器，提升了多模态统一理解与生成能力。

Flux3适合哪些应用场景？

它适合短视频生成、广告创意、分镜转场、多语言对话视频，以及机器人动作视频等场景。
文中还提到其相关模型已在奥迪工厂开展生产任务测试，说明其具备面向物理世界的应用潜力。

Flux3和Luma、Runway相比表现如何？

在720p分辨率、10秒片段的早期测试中，Flux3表现更强，文中称其对Luma Ray3.2胜率为93%，
对Runway Gen-4.5胜率为77%。这说明它在当前同类模型中具备明显竞争力。

🔬 语宙深潜追问 · 进阶实操拆解

20秒原生音视频生成最适合先落地什么场景？

最适合高频试错的短片段场景，比如广告预演、分镜测试、社媒短视频和概念片头。它的价值
不在长片替代，而在快速把“想法”变成可评估素材，缩短前期沟通成本。

多模态同步生成如何避免画面和声音脱节？

先定义节奏锚点：动作起止、情绪转折、镜头切换和关键音效，再让模型围绕这些节点生成。
后期最好保留可编辑轨道，方便单独微调音画同步，而不是一次性锁死。

🗳️ 读者观点微投票 · 您的实战立场是？

原生音视频同步生成，最先颠覆谁的工作流？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🎨 所属权威专题：Midjourney & Flux 咒语库 →](https://paooo.com/topics/midjourney-flux-prompts/)

 * [德国黑森林实验室发布Flux3 多模态模型：原生音频生成， 20 秒音视频同步输出](https://paooo.com/aigc-news/38891/)
 * [黑森林实验室放出 Flux3：首个原生生成音频的多模态基础模型，20 秒音画同步一次成型](https://paooo.com/aigc-news/38928/)
 * [黑森林实验室FLUX3 多模态模型登场：单次生成 20 秒音视频，胜率碾压Grok与Seedance](https://paooo.com/aigc-news/38964/)
 * [FLUX 3 – Black Forest Labs 推出的多模态基础模型](https://paooo.com/aigc-news/38879/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/38850/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
