黑森林把 Flux3 做成多模态了，重点是原生音视频同步，一次出 20 秒带声片段。以前出画面、配音、对口型能折腾大半天，生成时就对齐的话剪辑省一大截。
20 秒还短，长镜头、同角色多镜头得等。音质、能不能指定音色都没说。
20 秒刚好够一条口播
坐等实测
黑森林把 Flux3 做成多模态了，重点是原生音视频同步，一次出 20 秒带声片段。以前出画面、配音、对口型能折腾大半天，生成时就对齐的话剪辑省一大截。
20 秒还短，长镜头、同角色多镜头得等。音质、能不能指定音色都没说。
20 秒刚好够一条口播
坐等实测