Black Forest Labs、動画生成に挑戦するマルチモーダル基盤モデル「FLUX 3」を発表

記事の3ポイント

1. 1

   統合アーキテクチャによる物理法則の学習

   画像、音声、動画を同時に学習する新アプローチにより、音と動作の整合性や質量への従順さなど、物理法則をモデル内部に組み込んでいる。

2. 2

   テキストから動画への変換能力

   単純な文章から詳細な指示まで柔軟に対応し、エンジン音や砂の質感など具体的な動作原理を理解したリアルな動画生成が可能である。

3. 3

   マルチモーダル間の相互制約

   異なるモダリティが互いに制約となり合うことで、単一の視点では見えない現実の因果関係や時間的ダイナミクスをより正確に捉える。