---
title: "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"
url: "https://paooo.com/aigc-news/38964/"
author: "Prompt 语宙研究院"
published_at: "2026-07-24T17:58:28+08:00"
updated_at: "2026-07-24T17:58:28+08:00"
categories: "AIGC 资讯"
tags: "AI视频生成, Flux, Gemini, Sora, 即梦AI"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 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

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/38964/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-24

## AI 30 秒核心看点 (TL;DR)

- FLUX3 采用统一架构与 Self-Flow 学习框架，首次把图像、视频、音频同步纳入多模态训练。
- 支持文生视频、图生视频、视频续写、关键帧转视频等模式，单次可生成最长 20 秒并原生输出音频。
- 在 10 秒 720p 带声音视频人工评测中，FLUX3 对 Grok Imagine Video 胜率 69%，对 Seedance 2.0 和 Gemini Omni Flash 均为 52%。

Black Forest Labs宣布以Early Access方式上线推出FLUX3 多模态基础模型，采用统一架构联合学习图像、视频和音频。该模型基于Self-Flow（自监督流匹配）学习框架扩展，同步训练视频、图像和音频，在FLUX. 1 和FLUX. 2 系列基础上进一步扩展至多模态生成与理解任务。

性能全面碾压，原生音频同步输出

FLUX3 可在单次生成中输出最长 20 秒的视频并附带原生音频，支持文生视频、图生视频、视频生视频、输入视频与音频续写、关键帧转视频、多语言对话以及多镜头串联等多种创作模式。在带声音的 10 秒720p视频人工评测中，FLUX3 对比Grok Imagine Video胜率达69%，对比Seedance 2. 0 和Gemini Omni Flash胜率均为52%，展现出全面领先优势。

图像能力全面，进军机器人行为预测

在图像能力方面，官方称FLUX3 可完成图像生成与编辑，覆盖多种风格、宽高比和分辨率。更值得关注的是，Black Forest Labs正与Mimic Robotics合作，研究将FLUX3 用作机器人行为预测模型，将多模态AI能力从内容生成延伸到实体机器人领域。这一布局意味着FLUX3 不仅是一个创作工具，更有望成为连接数字世界与物理世界的通用多模态引擎。

## 常见问题解答 (FAQ)

### FLUX3 支持哪些多模态生成模式？
根据官方描述，FLUX3 支持文生视频、图生视频、视频生视频、输入视频与音频续写、关键帧转视频、多语言对话以及多镜头串联等模式，覆盖创作与理解两类任务。

### FLUX3 的音频能力有什么特点？
FLUX3 可在单次生成中输出最长 20 秒的视频，并附带原生音频，不是后期简单配音式拼接，更强调视频与声音的同步生成效果。

### FLUX3 和 Grok、Seedance、Gemini 比较结果如何？
在带声音的 10 秒 720p 视频人工评测中，FLUX3 对比 Grok Imagine Video 胜率为 69%，对比 Seedance 2.0 和 Gemini Omni Flash 的胜率均为 52%，体现出较强综合表现。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
