黑森林实验室把 Flux3 做成多模态了，最扎眼的一条是原生音视频同步，一次能出 20 秒带声音的片段。以前干这活儿，要么先出画面再配音再对口型，要么后期硬拽时间轴，一条素材来回折腾大半天。
要是生成阶段就把声画对齐了，剪辑这头省下的功夫真不是一星半点。当然 20 秒还是短，接长镜头、同角色多镜头这些估计得再等等。
音质到底什么水平、能不能指定音色，这些都没细说，还得看有人放出实际成品才好判断。
20 秒刚好够一条口播
坐等实测
黑森林实验室把 Flux3 做成多模态了，最扎眼的一条是原生音视频同步，一次能出 20 秒带声音的片段。以前干这活儿，要么先出画面再配音再对口型，要么后期硬拽时间轴，一条素材来回折腾大半天。
要是生成阶段就把声画对齐了，剪辑这头省下的功夫真不是一星半点。当然 20 秒还是短，接长镜头、同角色多镜头这些估计得再等等。
音质到底什么水平、能不能指定音色，这些都没细说，还得看有人放出实际成品才好判断。
20 秒刚好够一条口播
坐等实测