FLUX 3: Black Forest LabsのマルチモーダルAIモデル（動画、音声、画像）2026

FLUX 3はBlack Forest Labs初の真に統合された基盤モデルで、2026年7月23日に早期アクセスが発表されました。単一の機能に特化するのではなく、画像、動画、音声、物理アクション予測を単一のアーキテクチャ内で横断的に処理します。これは、マルチモーダル生成と理解を整合させるための同社のSelf-Flowアプローチに基づいています。主な機能は、ネイティブ音声が同期された最大20秒の動画を生成するテキストから動画への生成です。映像、セリフ、効果音、環境音はすべて画面上の内容に合わせて同期されます。ファミリーの構成は以下の通りです。

FLUX 3の飛躍は、生成と理解がモダリティ間で単一のモデルを共有することです。実際には、単一のプロンプトで、別々のツールを組み合わせることなく、音声同期動画、画像、またはアクションシーケンスを生成できます。動画機能は際立っています。最大20秒のクリップにネイティブ音声が同期され、セリフ、効果音、環境音が映像と同期したままになります。これは、ほとんどのテキストから動画へのモデルがまだ別個のステップとして処理していることです。ActionバリアントであるFLUX-mimicは、同じアーキテクチャをロボティクス向けの物理運動予測に拡張します。

Black Forest Labsは、一度にすべてをリリースするのではなく、段階的にローンチしました。FLUX 3 Videoが最初に、APIと初期パートナー向けのプライベートウェイトを通じて早期アクセスで提供されました。FLUX 3 Action / FLUX-mimicは、選ばれた研究および商用ロボティクスパートナーに提供されました。ほとんどのクリエイターが利用するFLUX 3 Imageは、数週間以内に展開されます。オープンウェイトのFLUX 3 Devは、セルフホストしたい開発者向けに2026年後半に計画されています。したがって、まだアクセスできない場合でも、それは予想通りであり、広範な利用可能性はまだ段階的に進んでいます。

2025年11月にリリースされたFLUX.2は、強力なマルチリファレンス編集、4メガピクセル出力、シャープなテキストを備えた画像モデルです。FLUX 3は異なるクラスの製品であり、画像生成に加えて、同期音声付き動画と物理アクション予測を追加したマルチモーダルモデルです。今日、プロダクションレベルの画像生成が必要な場合は、FLUX.2が広く利用可能な選択肢です。AI動画の将来を追跡している場合、FLUX 3の20秒の音声同期クリップが注目すべき点です。ほとんどのクリエイターにとって実用的な道は、現在FLUX.2画像を使用し、その画像およびオープンウェイトティアが利用可能になるにつれてFLUX 3ビデオを採用することです。

早期アクセス期間中、FLUX 3 VideoとActionはAPIとプライベートウェイトを通じてBlack Forest Labsのパートナーに限定されます。FLUX 3 Imageは数週間以内に広範な利用のために提供され、オープンウェイトのDevリリースは2026年後半に予定されています。今日の時点で完成した動画を、早期アクセス枠を待たずに作成することが目標であれば、FluxNoteは現在のトップモデルを使用して、プロンプトをナレーション付きのキャプション付き動画に変換し、Image StudioでFLUXスタイルの画像を生成するため、今すぐ制作・公開し、FLUX 3が利用可能になったら統合することができます。