🚀 ვიდეო და ხმა ერთ მოდელში: Flux 3-მა 20-წამიანი გენერაციით Luma Ray-

გერმანულმა სტარტაპმა Black Forest Labs-მა ახალი მულტიმოდალური AI მოდელი Flux 3 ოფიციალურად გამოუშვა. სისტემას შეუძლია გამოსახულების, ვიდეოსა და აუდიოს ერთდროული დამუშავება და 20 წამამდე ხანგრძლივობის ვიდეორგოლების გენერირება სინქრონული ხმით. ეს არის კომპანიის პირველი მოდელი, რომელიც 2026 წელს ვიდეოსთან ერთად ბუნებრივ ხმოვან ეფექტებსა და დიალოგებს ქმნის.

დეველოპერების განმარტებით, Flux 3 წარმოადგენს ნაბიჯს რეალური სამყაროს ვიზუალური ინტელექტისკენ, რაც მოდელებს ფიზიკურ და ციფრულ გარემოში აღქმისა და პროგნოზირების უნარს ანიჭებს. კომპანიის წარმომადგენელმა განაცხადა: „მოდელებს ფიზიკურ და ციფრულ გარემოში აღქმისა და პროგნოზირების უნარი ენიჭება. მხოლოდ ერთი ფორმატი რეალობას სრულად ვერ ასახავს“. ხმოვანი ეფექტები ვიდეოს ავტომატურად ერგება.

Flux 3 მოდელს შეუძლია ტექსტიდან ვიდეოს შექმნა, სურათის ვიდეოდ გარდაქმნა, მრავალენოვანი დიალოგების გენერირება და კადრებს შორის გლუვი გადასვლების უზრუნველყოფა. Black Forest Labs-ის ცნობით, სისტემა განსაკუთრებული სიზუსტით გამოირჩევა ადამიანის მიმიკების ასახვასა და ფიზიკურ მოქმედებებზე შესაბამისი ხმოვანი ეფექტების მორგებაში.

ადრეული ტესტირებისას 720p ფორმატის 10-წამიან ვიდეოებზე Flux 3 მოდელმა კონკურენტებს საგრძნობლად გადააჭარბა. მომხმარებელთა 93%-მა მას Luma Ray 3.2-თან შედარებით მიანიჭა უპირატესობა, 77%-მა Runway Gen-4.5-ს ამჯობა, ხოლო 69%-მა Grok Imagine Video-სთან შედარებით უკეთესად შეაფასა. სხვა ძლიერ მოდელებთან შედარებით უპირატესობამ 52%-დან 60%-მდე შეადგინა.

კომპანიის წარმომადგენლებმა მიუთითა, რომ ეს შედეგები წინასწარია და დამოუკიდებელი ტესტირება ჯერ არ ჩატარებულა. თუმცა ინდუსტრიის წამყვან მოდელებთან, მათ შორის Seedance 2.0-სა და Gemini Omni Flash-თან გათანაბრება Flux 3-ს მსოფლიოს საუკეთესო ვიდეო გენერატორების გვერდით აყენებს. კომპანია უახლოეს კვირებში Flux 3 Image მოდელის გამოშვებასაც გეგმავს.

Black Forest Labs-მა რობოტოტექნიკის კომპანია Mimic Robotics-თან თანამშრომლობით Flux-mimic მოდელიც შექმნა, რომელიც ვიდეო მოქმედებების პროგნოზირებას ახდენს. აღნიშნული ტექნოლოგია ამჟამად ავტომობილების მწარმოებელ კომპანია Audi-ს საწარმოო ხაზებზე იტესტება, სადაც რობოტების მიერ რთული ფიზიკური დავალებების შესრულება მოწმდება. 2 წამყვანი საწარმოო ხაზი უკვე ჩართულია.

ახალი მოდელი Self-Flow არქიტექტურაზეა აგებული, რაც ერთ სისტემას შინაარსის გენერირებასა და გაგებას ერთდროულად ასწავლის. მულტიმოდალური ტრანსფორმერი გამოსახულებას, ვიდეოსა და აუდიოს შიდა წარმოდგენად გარდაქმნის. დეველოპერებმა დაადასტურეს, რომ ეს მიდგომა ფიზიკური სამყაროს აღქმაში ძველ მეთოდებზე ბევრად ეფექტიანია.

კომპანია გეგმავს, რომ Flux 3-ის შესაძლებლობები ეტაპობრივად გახადოს ხელმისაწვდომი. Flux 3 Video უკვე გაშვებულია, ხოლო უახლოეს მომავალში Flux 3 Dev სახელით ღია მოდელიც გამოვა. გრძელვადიან პერსპექტივაში Black Forest Labs მუშაობს ახალი თაობის სისტემებზე, რომლებიც აღქმას, მოქმედებასა და ენის პროგნოზირებას ერთ მოდელში გააერთიანებს.

ვიდეო გენერაციის სექტორში კონკურენცია 2026 წელს პიკს აღწევს. ტექნოლოგიური გიგანტები ცდილობს ისეთი მოდელების შექმნას, რომლებიც კინოინდუსტრიასა და სარეკლამო სფეროში რეალურ გამოყენებას ჰპოვებს. Black Forest Labs-ის ახალი ინოვაცია ამ მიმართულებით მნიშვნელოვან წინ გადადგმულ ნაბიჯად ფასდება, სადაც ხმოვანი ეფექტები ვიდეოს ავტომატურად ერგება.

ექსპერტები აღნიშნავს, რომ მულტიმოდალური მოდელების განვითარება რობოტოტექნიკის სექტორსაც ახალ შესაძლებლობებს უხსნის. როდესაც AI სისტემები ვიზუალურ და აუდიო სიგნალებს ერთდროულად აღიქვამს, ფიზიკური რობოტების მიერ გარემოს აღქმა და დავალებების შესრულება ბევრად უფრო უსაფრთხო და ზუსტი ხდება. 3 მსხვილი ლაბორატორია მსგავს კვლევებს ატარებს.

Black Forest Labs-ის პრესსამსახურმა განმარტა, რომ კომპანია უსაფრთხოების სტანდარტების დაცვას განსაკუთრებულ ყურადღებას უთმობს. ახალ მოდელში ჩაშენებულია სპეციალური ფილტრები, რომლებიც მავნე ან ყალბი კონტენტის გენერირებას აღკვეთს. ღია ვერსიის გამოშვება კი დეველოპერებს საშუალებას მისცემს, ტექნოლოგია საკუთარ პროექტებში გამოიყენოს.

ანალიტიკოსები დასძენს, რომ ვიდეო გენერაციის სფეროში გახსნილი მოდელების გამოჩენა ბაზრის დემოკრატიზაციას შეუწყობს ხელს. მცირე სტუდიები და დამოუკიდებელი დეველოპერები შეძლებს მაღალი ხარისხის ვიზუალური ეფექტების შექმნას ძვირადღირებული აპარატურის გარეშე, რაც ციფრულ ინდუსტრიაში ახალ შესაძლებლობებს გააჩენს.