Flux 3 AI 画像・動画ジェネレーター

Flux 3は、単一のアーキテクチャ内で画像、ビデオ、オーディオを生成するマルチモーダルAIモデルです。AI画像およびビデオジェネレーターとして、静止画を超えて音声付きの完全なシーンを生成し、単一のプロンプトから画像や、音声と同期した短いクリップを作成できます。以前のFlux画像モデルを基盤とし、ビデオとネイティブサウンドを追加しています。

はい。Flux 3は、同じパスで生成されたネイティブオーディオを含む最大20秒のビデオを作成します。これにより、セリフ、効果音、環境音が画面上の出来事と同期します。オーディオとビデオが一緒に作成されるため、衝撃音は適切なフレームに着地し、音声は唇の動きに追従するため、別途オーディオ編集は不要です。

Flux 3は、テキストからビデオ、画像からビデオ、要素の一貫性を保ったビデオからビデオ、およびガイド付きトランジションのためのキーフレーム制御をサポートしています。テキストからビデオはプロンプトのみから機能し、画像からビデオは静止画をアニメーション化し、キーフレームを使用するとショットの開始と終了を設定できます。ショットは、より長いマルチショットシーケンスに連結することもできます。

Flux 3はまだこのサイトでは利用できません。現在早期アクセスで展開されており、サポートされる統合が準備でき次第、こちらで生成を有効にします。それまでは、当社のライブAI画像およびビデオジェネレーターで作成できます。

その主な利点は、ビデオとは別のステップで追加されるのではなく、ビデオと一緒に作成されるネイティブオーディオです。1つのモデルが画像、ビデオ、オーディオにまたがるため、サウンド、スタイル、キャラクターがシーン全体で一貫性を保ちます。他の多くのツールはまず無音のクリップを生成し、後でオーディオを追加または同期させる必要があります。

早期評価では音声付きの10秒720pクリップが使用されましたが、Flux 3は最大20秒のクリップを生成でき、幅広いアスペクト比をサポートしています。ここでの最終的な解像度と長さのオプションは、展開の進行に伴い変更される可能性があります。