# 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

- Link: https://paooo.com/aigc-news/38928/
- Published: 2026-07-24T15:31:03+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 以 Self-Flow 架构整合图像、视频、音频与动作编解码器，首次把原生音频生成
   纳入多模态底座。
 * 它可一次生成最长20秒的音画同步内容，覆盖文本、图像、视频转视频、关键帧转场和多
   角色对话。
 * 早期测试显示，Flux3 在720p、10秒片段设置下对多款顶尖模型保持优势，且已延伸到机器
   人动作模型。

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。
它基于 Self-Flow 架构打造，配备专用的图像、视频、音频及动作编解码器，把对物理世界
与数字环境的统一理解与生成揽到了一起。

最扎眼的一点是音视频同步。Flux3是首个支持原生音频生成的多模态模型，一次就能吐出长达
20秒的音视频同步片段，能力覆盖文本、图像、视频转视频，基于关键帧的转场，以及多角色
对话等。对一支模型来说，把”听得见”和”看得见”捏成同一套底座，意味着它不再只是图像
或视频的单科选手。

![image.png](https://paooo.com/wp-content/uploads/2026/07/6392050296983410191309740-
1.avif "image.png")

早期测试里，在720p 分辨率、10秒片段的设置下，Flux3把 Luma Ray3.2按93% 的胜率压了
下去，对 Runway Gen-4.5也有77% 的胜率优势;即便摆到 Seedance2.0与 Gemini Omni Flash
这类顶尖模型面前，它仍守住了微弱上风。

动作也被它伸进了现实。黑森林实验室联合 Mimic Robotics 开发了面向机器人领域的动作
模型 Flux-mimic，目前已在奥迪工厂跑起了生产任务测试——多模态能力从屏幕里走到了产线上。
发布节奏上，BFL 选择分阶段推进:Flux3Video 已经先上线，Flux3Image 与带开源权重的 “
Flux3Dev” 也将在近期陆续放出。

📌 语宙知识库 · 技术背景与应用场景延伸

Flux3 的核心意义在于把音频纳入多模态生成主链路，而不是后期补配音或单独做音效，这
会显著提升短片、广告、互动内容和机器人训练数据的连贯性。与传统视频模型相比，它更
强调音画同步与动作一致性；与单一图像模型相比，则进一步扩展到时间维度和声音维度。

🧭 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 和普通视频模型有什么区别？

Flux3 不只是生成画面，而是把音频、视频、图像和动作统一到同一底座中，支持原生音频
生成与音画同步输出。相比只做视频的模型，它更适合需要对白、环境音和动作联动的场景。

Flux3 适合哪些应用场景？

它适合短视频生成、带对白的多角色内容、关键帧转场、图文转视频，以及机器人动作相关
任务。由于强调音画同步，也更适合需要“看得见、听得到”的多模态内容生产。

Flux3 的实测表现如何？

文中提到，在720p、10秒片段设置下，Flux3 对 Luma Ray3.2 的胜率达到93%，对 Runway 
Gen-4.5 的胜率为77%；面对 Seedance2.0 与 Gemini Omni Flash 也保持微弱上风。

🔬 语宙深潜追问 · 进阶实操拆解

音画同步一次成型，最难卡在哪？

最难的是时间对齐和角色一致性。要让画面动作、口型、环境音和节奏同步，提示词里必须
明确镜头长度、角色数量、动作节拍和声音风格，否则容易出现“画面对了、声音散了”的问题。

20秒生成对商业创作够用吗？

对广告预告、社媒短片和概念片段已经够用，尤其适合快速出样和A/B测试。但若要完整叙事
或品牌级精修，仍需后期剪辑、音频混音和镜头补拍，现阶段更像高效草案生成器。

🗳️ 读者观点微投票 · 您的实战立场是？

原生生成音频的多模态模型，会先颠覆哪条创作链？

🕸️ 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/)

 * [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](https://paooo.com/aigc-news/38850/)
 * [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/38928/?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/)
