A FLUX 3 a videóktól egészen a gyári robotokig terjeszkedik
A Black Forest Labs megnyitotta a korai hozzáférést a FLUX 3-hoz, amely egy úttörő, úgynevezett vizuális intelligencia AI rendszer. Ez a fejlett technológia képes lenyűgöző minőségű videókat, képeket, valamint teljesen szinkronizált audiót generálni. A német laboratórium azonban nemcsak a digitális tartalomgyártás területén alkotott maradandót, hanem egy lépéssel tovább is lépett: fejlesztettek egy FLUX-mimic elnevezésű, speciális robotvezérlési variánst is, amelyet kifejezetten az Audi gyártósoraihoz terveztek. A rendszer a fizikai mozgás pontos szimulálásával képes élethű videókat létrehozni, ami közvetlen és hatékony alkalmazást jelent a gépek valós világban történő betanítására.
A FLUX 3 technikai képességei kifejezetten meggyőzőek a piacon, hiszen képes akár 20 másodperces klipeket is készíteni natív audióval, többnyelvű párbeszédekkel és kiemelkedő stílushűséggel. A laboratórium belső tesztjei azt mutatják, hogy a kimenetek népszerűbbek, mint olyan erős riválisok megoldásai, mint a Runway, a Kling vagy a Grok Imagine. A mostani bevezetés ráadásul magában foglalja a különféle videó-, kép- és partnerspecifikus akciómodelleket is. Különösen fontos mérföldkő, hogy egy nyílt súlyú FLUX 3 Dev modell méretét úgy alakították ki, hogy az zökkenőmentesen elférjen a szabványos gyári hardveren. Ezzel a robotosítást célzó FLUX-mimic variáns mindössze 30 perc demonstrációs adatból képes megtanulni egy teljesen új gyári feladatot, ami drasztikus javulás a hagyományos, akár 30 órát igénylő folyamatokhoz képest.
Ez az áttörés azért bír kiemelkedő jelentőséggel, mert a Black Forest Labs eddig a versenytársaknál lassabb ütemben haladt a piacon, ám az egységes rendszer építése most látványosan kifizetődni látszik. A hosszabb, audióval szinkronizált videók és a koherens vizuális elemek a Sora korai időszakát juttatják eszünkbe, jó értelemben vett ambícióval. Ami pedig a FLUX-mimic változatot illeti, kiválóan mutatja, hogy a vizuális modellek egyre mélyebben beszivárognak a fizikai világba, és a modern robotika egyik kulcsfontosságú fogaskerekévé válnak, alapjaiban formálva át a jövő ipari gyártását és automatizációját.
- A FLUX 3 20 másodperces klipjeket készít natív audióval, többnyelvű párbeszédekkel és stílushűséggel.
- A tesztek azt mutatják, hogy a kimenetek népszerűbbek, mint az olyan riválisoké, mint a Runway, a Kling és a Grok Imagine.
- A bevezetés magában foglalja a videó-, kép- és partnerspecifikus akciómodelleket.
- Egy nyílt súlyú (open-weight) FLUX 3 Dev modell mérete úgy lett kialakítva, hogy elférjen a szabványos gyári hardveren.
- A FLUX-mimic 30 perc demonstrációs adatból képes megtanulni egy új gyári feladatot a szokásos 30 óra helyett.
A BFL eddig lassabb ütemben haladt, de az egységes rendszer most kifizetődni látszik – a hosszabb, audióval szinkronizált videók és a koherens vizuális elemek a Sora időszakát juttatják eszünkbe (jó értelemben). Ami a mimicet illeti, a vizuális modellek továbbra is beszivárognak a fizikai világba, a robotika egyik kulcsfontosságú fogaskerekévé válva. ---