Black Forest Labs lanza FLUX 3, modelo multimodal que genera imágenes, video de 20 segundos y audio sincronizado

Mi opinión: La creación de contenido visual acaba de dar otro salto. FLUX 3 es el primer modelo de Black Forest Labs que genera imágenes, video de hasta 20 segundos con audio sincronizado y predicción de acciones para robótica, todo desde la misma arquitectura. Hasta ahora, generar video con sonido realista requería combinar herramientas separadas y sincronizar manualmente; con este modelo se convierte en un solo paso.

Los benchmarks de Black Forest Labs muestran a FLUX 3 preferido sobre Luma Ray 3.2 en el 93% de las comparaciones y sobre Runway Gen 4.5 en el 77%. Dicho esto, los corrió la misma empresa que lanzó el modelo, así que vale esperar evaluaciones independientes antes de tomar esas cifras como definitivas. Lo que sí es verificable ahora mismo es la capacidad técnica: video con audio nativo, diálogo multilingüe y continuación de clips para secuencias más largas.

Por ahora está disponible solo en acceso temprano limitado para video; las imágenes y el modelo abierto vienen después. Si produces contenido de video para tu marca, negocio o proyecto, esta es la categoría de herramientas que va a cambiar tu flujo de trabajo más pronto de lo que esperas. ¿Ya tienes claridad de cuánto tiempo de producción podrías recuperar si el video con audio fuera tan fácil como escribir un prompt de texto?