黑森林这次动作不小，Flux3 是往多模态方向走，标出来的能力是原生音视频同步生成，一次二十秒。以前要一段带声的分镜预演，流程是画面归画面、声音归声音，最后进剪辑软件对轴，口型和脚步声这类细节基本靠手动怼。
如果画面和音轨是同一个模型一次吐出来的，理论上对轴这一步能省掉，这对预演阶段的意义比单纯画质提升大得多。
二十秒也不算短，一个完整的镜头组塞得下。当然“原生同步”四个字听着好听，实际口型准不准、环境音会不会糊成一团背景噪音，还得等真上手的人反馈。
先码住
对轴这事是真耗时间，能省一步是一步
黑森林这次动作不小，Flux3 是往多模态方向走，标出来的能力是原生音视频同步生成，一次二十秒。以前要一段带声的分镜预演，流程是画面归画面、声音归声音，最后进剪辑软件对轴，口型和脚步声这类细节基本靠手动怼。
如果画面和音轨是同一个模型一次吐出来的，理论上对轴这一步能省掉，这对预演阶段的意义比单纯画质提升大得多。
二十秒也不算短，一个完整的镜头组塞得下。当然“原生同步”四个字听着好听，实际口型准不准、环境音会不会糊成一团背景噪音，还得等真上手的人反馈。
先码住
对轴这事是真耗时间，能省一步是一步