Black Forest Labsは2026年8月4日、動画生成AIモデル「FLUX 3 Video」の一般提供を開始しました。BFL APIおよび一部のパートナーを通じて利用でき、テキストや画像から最大20秒の動画を生成できます。
FLUX 3 Videoは、動画、音声、画像、動作を生成・予測するマルチモーダルAIモデルです。HD（720p）で動画を生成し、アップスケーリングによってフルHD（1080p）での出力にも対応します。
Black Forest Labsはこれまで画像生成AI「FLUX」シリーズで知られていましたが、今回のFLUX 3 Videoにより動画生成分野へ本格参入したことになります。
FLUX 3 Videoの主な特徴
今回公開された初期バージョンでは、次のような機能が利用できます。
- テキストから動画を生成（Text-to-Video）
- 画像から動画生成（キーフレーム設定可）（Image-to-Video and Keyframes）
- 最大4秒の既存動画と音声を入力し、その続きを生成（Video Continuation）
- 1本の動画内で複数のシーンやカメラアングルを生成
- 映像と同時にセリフや効果音、環境音を生成
- 日本語を含む複数言語に対応、リップシンク機能も搭載
- 世界知識を活用した映像生成
- 最大20秒の動画生成に対応
- ドラフトモードによる高速・低コストなプレビュー生成
- HD（720p）およびフルHD（1080p）出力に対応
特にドラフトモードでは、まず低コストでプレビューを生成し、内容を確認した後に同じ構図や動きのまま高品質版へレンダリングできるため、試行錯誤を繰り返しやすい点が特徴です。
FLUX 3 Videoは社内評価で高い評価を獲得
Black Forest Labsによると、人間の評価者による比較評価では、FLUX 3 VideoはText-to-VideoおよびImage-to-Videoの両方で最も優れたモデルとして評価されとしています。
また、Text-to-Video評価では、既存の最先端モデルを大きく上回る性能を示したとしており、同社が公開したELOレーティングチャートでは、FLUX 3 T2Vが1135ポイントを獲得し、All-vs-All形式の比較で首位に位置づけられています。
Image-to-Video評価では「Seedance 2.0」と同等の性能を示し、他のすべての既存最先端モデルを上回ったと説明しています。
今後の展開
Black Forest Labsは今後のロードマップとして、画像・動画・音声などの参照素材を組み合わせた動画生成機能の提供を予定しています。
また、画像生成・編集向けの「FLUX 3 Image」や、オープンウェイト版となる「FLUX 3 Dev」の提供も計画していることを明らかにしました。
FLUX 3 Videoは現在、BFL APIおよび一部のパートナー経由で利用できます。
コメント