FLUX 3 Video: KI-Clips mit Ton – jetzt für alle verfügbar

Black Forest Labs hat sein Videomodell FLUX 3 Video am 4. August allgemein verfügbar gemacht: Über die BFL-API generiert es laut dem Unternehmen Clips von bis zu 20 Sekunden Länge – inklusive Ton, der direkt mitentsteht, statt nachträglich hinzugefügt zu werden. Damit bringt das KI-Studio aus Freiburg im Breisgau, gegründet vom Team hinter der Stable-Diffusion-Architektur, ein Frontier-Videomodell mit nativem Audio in die breite Verfügbarkeit – in einem Feld, das bisher von US- und China-Anbietern dominiert wurde.

Bild und Ton aus einem Guss

FLUX 3 Video beherrscht Text-to-Video und Image-to-Video mit Keyframes, kann bestehende Clips fortsetzen und schneidet mehrere Szenen samt Kamerawechseln in einer einzigen Generierung zusammen. Dialoge, Soundeffekte und Umgebungsgeräusche entstehen parallel zum Bild – mit Lippensynchronisation in über einem Dutzend Sprachen, darunter Deutsch. Die Auflösung liegt bei 720p, Full HD gibt es per Upscaling.

Der Clou für die Praxis ist der Draft-Modus: Eine schnelle Vorschau kostet 0,06 Dollar pro Sekunde, erst die finale Version in voller Qualität schlägt mit 0,17 Dollar pro Sekunde (HD) zu Buche. Teure Fehlversuche – das Alltagsärgernis der Video-KI – werden so deutlich billiger.

Vorn im eigenen Ranking – Gleichstand mit Seedance

In internen Human-Evaluationen sieht sich BFL bei Text-to-Video mit einem ELO-Wert von 1135 an der Spitze, vor Googles Gemini Omni Flash und ByteDances Seedance 2.0. Bei Image-to-Video meldet das Unternehmen einen Gleichstand mit Seedance 2.0 – jenem Modell, dessen Nachfolger Seedance 2.5 erst Anfang August mit 30-Sekunden-Clips vorlegte. Wichtig: Das sind Hersteller-Angaben, unabhängige Benchmarks stehen noch aus.