FLUX 3: Black Forest Labs verbindet Bild, Video und Audio in einem Modell
Black Forest Labs hat FLUX 3 als neues multimodales Foundation-Modell in den Early Access geschickt. Das System verarbeitet Bilder, Videos und Audio innerhalb einer gemeinsamen Modellarchitektur. Zum Start steht vor allem die Videogenerierung im Mittelpunkt: FLUX 3 kann laut Hersteller Videos mit einer Länge von bis zu 20 Sekunden einschließlich Audio in einem Durchlauf erzeugen.
Video mit synchronem Audio
FLUX 3 erzeugt Video und Ton gemeinsam. Black Forest Labs spricht von „native audio generation“. Ein visuelles Ereignis wie ein Aufprall soll damit unmittelbar mit einem passenden Geräusch verbunden werden. Ob diese zeitliche und inhaltliche Abstimmung auch bei komplexeren Szenen zuverlässig funktioniert, wird sich erst in der Praxis zeigen.
Das Modell unterstützt mehrere Videovarianten: Text-zu-Video, Bild-zu-Video, Video-zu-Video sowie die Fortsetzung vorhandener Video- und Audiospuren. Auch Übergänge zwischen definierten Schlüsselbildern („Keyframes“) und mehrsprachige Dialoge sind möglich. Bilder und Videos können zudem als visuelle Referenzen dienen, um beispielsweise zentrale Elemente einer Vorlage in eine neue Szene zu übernehmen.
Einzelne Clips lassen sich laut dem deutschen KI-Unternehmen auch automatisiert zu längeren Sequenzen mit mehreren Einstellungen verketten. Dadurch sollen Videos entstehen können, die deutlich länger als die 20 Sekunden einer einzelnen Generierung sind. Die Rede ist von Sequenzen mit einer Länge von mehreren Minuten.
Gemeinsame Modellarchitektur
FLUX 3 basiert auf „Self-Flow“, einem von Black Forest Labs entwickelten Verfahren zur gemeinsamen Verarbeitung verschiedener Medienarten. Das Modell wird gleichzeitig mit Bild-, Video- und Audiodaten trainiert. Die Idee dahinter: Bewegungen, räumliche Beziehungen und Geräusche sollen nicht unabhängig voneinander betrachtet werden, sondern Informationen über dasselbe Geschehen liefern.
Black Forest Labs bezeichnet FLUX 3 deshalb als „Real World Model“. Neben der Mediengenerierung soll die gemeinsame Grundlage auch Anwendungen ermöglichen, bei denen das Modell Handlungen vorhersagt. Zusammen mit dem Robotikunternehmen Mimic Robotics entstand dafür bereits „FLUX-mimic“, das laut Black Forest Labs bei Audi in Produktionsaufgaben erprobt wird.
Bildmodell folgt
Auch Bilder kann FLUX 3 laut Hersteller generieren und bearbeiten. Black Forest Labs nennt Verbesserungen bei komplexen Eingaben, unterschiedlichen Bildstilen und der Darstellung von Text in mehreren Sprachen. FLUX 3 Image befindet sich jedoch noch nicht im Early Access; der Zugang soll erst in den kommenden Wochen folgen.
Damit steht zum Start vor allem FLUX 3 Video im Vordergrund. Für Fotografen und Content-Produzenten ist insbesondere die Kombination aus Bildreferenzen, Videogenerierung und synchronem Ton interessant. Wie gut das Modell dabei Motive, Personen und visuelle Eigenschaften über mehrere Einstellungen hinweg konsistent hält, muss die praktische Erprobung zeigen.
Vorläufige Vergleichstests
Black Forest Labs hat erste Präferenztests mit zehnsekündigen 720p-Videos und Audio veröffentlicht. Nach Angaben des Herstellers bevorzugten die Testpersonen FLUX 3 in bis zu 60 Prozent der Vergleiche gegenüber Kling v3 Pro, in 69 Prozent gegenüber Grok Imagine Video, in 77 Prozent gegenüber Runway Gen-4.5 und in 93 Prozent gegenüber Luma Ray 3.2. In etwa gleichauf lag FLUX 3 mit Gemini Omni Flash und Seedance 2.0.
Black Forest Labs weist allerdings selbst darauf hin, dass sich sowohl das Modell als auch die Testumgebung noch in Entwicklung befinden. Die Werte sind daher zunächst als Herstellerangaben und nicht als unabhängiger Leistungsvergleich zu verstehen.
Weitere Pläne
Black Forest Labs will FLUX 3 schrittweise erweitern. Geplant sind unter anderem Zugänge für Video- und Audiogenerierung, das Bildmodell FLUX 3 Image sowie „FLUX 3 Dev“ mit Open-Weight-Zugang zum multimodalen Modellkern. Open Weights bedeutet dabei den Zugang zu den trainierten Modellgewichten; daraus folgt nicht automatisch eine uneingeschränkte kommerzielle Nutzung.
Weitere Informationen finden Sie auf der Website von Black Forest Labs.
