Компания Black Forest Labs (BFL), за которой стоят создатели оригинальной архитектуры Stable Diffusion, объявила о выходе своей новой модели FLUX 3 Video в стадию общей доступности. Как сообщает The Decoder, инструмент теперь доступен через API компании и платформы партнеров, предлагая возможности создания роликов в высоком разрешении с интегрированной аудиодорожкой.

Разработчики позиционируют FLUX 3 как комплексное решение, способное генерировать фрагменты длиной до 20 секунд. Модель поддерживает не только стандартный text-to-video, но и оживление статичных изображений, работу с ключевыми кадрами и логическое продолжение уже существующих видеорядов. Примечательно, что система справляется с отрисовкой текста внутри сцен и поддерживает синхронизацию губ (lip-sync) для диалогов на 14 языках.

Технические характеристики FLUX 3 Video позволяют работать с форматами HD и Full HD, обеспечивая при этом нативное звуковое сопровождение: от фоновых шумов и эмбиента до четких звуковых эффектов. Инструментарий модели дает возможность задавать сложные движения камеры и переходы между несколькими сценами внутри одного короткого клипа, что приближает результат к полноценному монтажному продукту.

Согласно внутренним тестам Black Forest Labs, новая модель возглавила рейтинг Elo для видеогенераторов, набрав 1135 баллов в категории текста и 1051 балл в работе с изображениями. Эти показатели позволяют FLUX 3 обходить таких конкурентов, как Gemini Omni Flash от Google и нашумевшую систему Seedance 2.0, которая в последнее время активно обсуждалась в контексте использования голливудскими студиями.

Генерация видео с нативным звуком и точной типографикой — это серьезный инженерный вызов, и BFL, кажется, нашла баланс между детализацией и управляемостью. Однако лидерство в рейтингах Elo часто оказывается мимолетным, а реальная ценность модели упрется в ее аппетиты: высокая стоимость Full HD рендеринга делает профессиональное производство достаточно накладным. Пока конкуренты демпингуют, FLUX 3 пытается продать качество, которое в динамике всё еще может страдать от характерных артефактов нейросетевой «галлюцинации».

Ценовая политика компании строится на посекундной оплате готового контента. В упрощенном режиме (Draft) стоимость секунды HD-видео начинается от $0,06 для простых запросов. Полноценное качество Full HD обойдется значительно дороже: до $0,29 за секунду при генерации из текста и $0,53 за секунду для более ресурсоемких задач преобразования видео в видео (video-to-video).

Подобная структура затрат намекает на то, что инструмент ориентирован скорее на коммерческий сектор и студии, чем на массового пользователя, экспериментирующего с мемами. Несмотря на заявленное превосходство над Minimax H3 и другими игроками рынка, Black Forest Labs предстоит доказать, что их алгоритмы способны выдавать стабильный результат без долгого перебора вариантов (cherry-picking), который до сих пор остается «узким местом» большинства видео-нейросетей.