Black Forest Labsは8月5日、動画生成AI「FLUX 3 Video」を公開した。テキストおよび画像から、最長20秒の720p/1080p動画を音声付きで生成できる。

FLUX 3 Videoは、同社が7月に発表したマルチモーダルモデル「FLUX 3」における動画生成機能に当たる。FLUX 3は、画像、動画、音声に加え、ロボット制御の生成まで支援するモデルとして紹介されており、これまでは一部ユーザーに限定して提供していた。今回の公開で、動画生成機能の提供対象を一般ユーザーにも広げた。

主な特徴は、出力品質と生成機能にある。720pと1080pの出力に対応し、音声付き動画を生成できるほか、動画の長さは最長20秒まで対応する。

入力方式はテキストからの動画生成に加え、画像をもとに動画を生成する機能も備える。開始フレームと終了フレームの指定に対応し、動画内に挿入するテキストの設定も可能だ。

制作工程を効率化する機能として、最終出力前に概要を素早く確認できる「Draft mode」も搭載した。まず下書きを確認した上で、最終生成に進める仕組みだ。

性能面では、Black Forest Labsは人手評価に基づく比較で、「テキストから動画生成」「画像から動画生成」の両分野で高い評価を得たと説明している。ベンチマークの詳細条件は示していない。

料金はAPIベースの秒課金制。720pのDraft modeは1秒当たり0.06ドル、720pは同0.17ドル、1080pは同0.29ドルとしている。

今後の計画としては、FLUX 3 Videoの制御性を高めるほか、画像・動画・音声の参照機能を追加する方針を示した。あわせて、画像生成・編集向けの「FLUX 3 Image」の開発と、オープンウエイト版「FLUX 3 Dev」の公開も予告している。

解像度の拡張も進める。2Kと4Kへの対応を準備しており、関連モデルも数日以内に公開する予定だとしている。