原生音频、14种语言口型同步，BFL称超越Seedance 2.0

Black Forest Labs于2026年8月5日宣布，旗下视频生成模型FLUX 3 Video正式进入全面可用阶段，开发者可通过BFL API及部分合作伙伴渠道接入使用。这一模型此前已在有限范围内测试，此次全面开放标志着BFL在AI视频生成领域迈出重要商业化步伐。

FLUX 3 Video支持生成最长20秒的HD与Full HD视频，并内置完整的原生音频能力，包括对话语音、音效及环境音，无需额外后期合成。该模型还支持超过14种语言的口型同步，使生成内容在多语言场景下具备更高的视觉真实感，适合面向全球受众的内容创作需求。

在功能架构上，FLUX 3 Video提供文本生成视频、图像生成视频、关键帧控制、视频续写等多种模式，并支持在单段视频内切换多个场景与摄像机角度。BFL特别指出，该模型能够在画面中直接渲染文字排版，并可依托世界知识理解复杂提示词，为纪录片、教育类等知识密集型内容提供支撑。

在定价方面，FLUX 3 Video按每秒视频输出计费。草稿模式仅支持HD画质，文本或图像生成视频为每秒0.06美元，视频转视频为每秒0.12美元。完整画质下，HD文本或图像生成视频为每秒0.17美元，视频转视频为每秒0.41美元；Full HD分别为每秒0.29美元与0.53美元，音频费用已包含在内。

BFL发布的Elo评分榜单显示，FLUX 3 Video在文本生成视频类别得分1135，图像生成视频类别得分1051，均排名第一，超越Gemini Omni Flash、Minimax H3及字节跳动旗下的Seedance 2.0。需要注意的是，该评分由BFL自行测试得出，独立第三方验证尚未公布，外界对其客观性仍有待观察。

随着Sora、Kling、Seedance等主流视频生成模型相继迭代，AI视频赛道竞争持续加剧。FLUX 3 Video凭借原生音频集成与多语言口型同步的差异化能力，试图在功能完整性上建立优势。BFL此次全面开放API接入，也意味着其商业化路径正在从模型研发向生态构建加速推进。

要点

• FLUX 3 Video正式开放API接入，支持最长20秒HD与Full HD视频生成，内置原生音频，无需额外合成步骤。
• 模型支持超过14种语言的口型同步，并可在画面中直接渲染文字排版，适用于多语言与知识密集型内容场景。
• BFL自测Elo评分显示FLUX 3 Video在文本生成视频与图像生成视频两项均排名第一，超越Gemini Omni Flash与Seedance 2.0，但该数据来自BFL内部，独立验证尚缺。
• 定价按秒计费，草稿模式最低每秒0.06美元，Full HD完整画质视频转视频最高每秒0.53美元，音频费用已包含。