刚看到黑森林实验室那边把 Flux3 放出来了，最扎眼的不是画面那一栏，是原生音频——能输出 20 秒音画同步的片段。以前这类活是两条流水线：画面生成完，我再去音效库里翻，对不上就一帧一帧挪。现在模型自己把这步吞掉了，哪怕音质只是可用级别，做片头、做氛围垫底也够省事。
我真正关心的是可控性。同步好听，但能不能指定这里要脚步声、那里安静，能不能只重生成音轨而不动画面。要是改一点就得整段重跑，20 秒也不便宜。等能上手了先拿同一段画面连跑几遍，看它给的声音每次飘不飘。
刚看到黑森林实验室那边把 Flux3 放出来了，最扎眼的不是画面那一栏，是原生音频——能输出 20 秒音画同步的片段。以前这类活是两条流水线：画面生成完，我再去音效库里翻，对不上就一帧一帧挪。现在模型自己把这步吞掉了，哪怕音质只是可用级别，做片头、做氛围垫底也够省事。
我真正关心的是可控性。同步好听，但能不能指定这里要脚步声、那里安静，能不能只重生成音轨而不动画面。要是改一点就得整段重跑，20 秒也不便宜。等能上手了先拿同一段画面连跑几遍，看它给的声音每次飘不飘。