Flux 3, Black Forest Labs యొక్క సరికొత్త వీడియో-జనరేషన్ మోడల్, అంతర్నిర్మిత ఆడియోతో కూడిన 20-సెకన్ల క్లిప్‌లను సృష్టిస్తుంది. ల్యాబ్ యొక్క స్వంత బెంచ్‌మార్క్ ప్రకారం, ఇది ఎదురుగా ఉన్న ప్రతి ప్రధాన పోటీదారుని మించిపోయింది. అంతర్గత పరీక్షలో Flux 3, Luma Ray 3.2 కంటే 93% ప్రాధాన్యతను మరియు ఇది అధిగమించడానికి రూపొందించబడిన Seedance 2.0 కంటే కూడా 52% ఆధిక్యాన్ని పొందింది.

ఈ సంఖ్యలు ఎందుకు ముఖ్యమైనవి

BFL Tests అని పిలువబడే BFL యొక్క బెంచ్‌మార్క్, కొన్ని ప్రాంప్ట్‌ల ఆధారంగా మోడల్‌లను పక్కపక్కన ఉంచి, ఏ అవుట్‌పుట్ మెరుగ్గా ఉందో మానవ రేటర్లను అడుగుతుంది. Flux 3 అన్ని విభాగాల్లోనూ జాబితాలో అగ్రస్థానంలో నిలిచింది:

  • Luma Ray 3.2 కంటే 93% ప్రాధాన్యత
  • Runway Gen-4.5 కంటే 77%
  • Grok Imagine Video కంటే 69%
  • Kling v3 Pro కంటే 60%
  • Seedance 2.0 మరియు Gemini Omni Flash కంటే 52%

ఒకవేళ ఈ ఫలితాలు నిజమని తేలితే, డెవలపర్లు మరియు కంటెంట్ క్రియేటర్లు టెక్స్ట్-టు-వీడియో, ఇమేజ్-టు-వీడియో మరియు వీడియో-టు-వీడియోలను ఒకే ప్యాకేజీలో నిర్వహించే ఒకే ఒక మోడల్‌ వైపు మొగ్గు చూపవచ్చు, దీనివల్ల బహుళ సాధనాలను కలిపి ఉపయోగించాల్సిన అవసరం తగ్గుతుంది.

ఈ వాదన వెనుక ఉన్న సాంకేతికత

Flux 3 “Self-Flow” అనే శిక్షణ పద్ధతిని పరిచయం చేసింది, ఇది చిత్రాలు, వీడియో ఫ్రేమ్‌లు మరియు ఆడియో ట్రాక్‌లను ఒకేసారి గ్రహిస్తుంది. ఇది వివిధ భాషలను కలిపే సంక్లిష్టమైన ప్రాంప్ట్‌లను కూడా హ్యాండిల్ చేయగలదని, తద్వారా ఒకే క్లిప్‌లో బహుభాషా సంభాషణలను అనుమతిస్తుందని పేర్కొంది. క్లిప్ చైనింగ్ (Clip chaining) ద్వారా వినియోగదారులు అనేక 20-సెకన్ల భాగాలను కలిపి సుదీర్ఘ కథనాలుగా మార్చుకోవచ్చు; ఇది పాత జనరేటర్లలో ఉన్న సాధారణ పరిమితిని పరిష్కరిస్తుందని BFL చెబుతోంది.

మీడియా సృష్టికి మించి

BFL కేవలం కంటెంట్ జనరేషన్‌కే పరిమితం కావడం లేదు. Mimic Roboticsతో భాగస్వామ్యం ద్వారా “Flux-mimic”ను రూపొందించింది, ఇది భౌతిక రోబోట్‌ల కోసం చర్యలను (actions) సూచించగల మోడల్ వెర్షన్. ఆడి (Audi) ఈ వీడియో-యాక్షన్ వేరియంట్‌ను ప్రొడక్షన్-లైన్ పనుల కోసం పరీక్షిస్తోంది, ఇది జనరేటివ్ AI కేవలం వినోదానికే కాకుండా, నిజ ప్రపంచ కార్యకలాపాలకు కూడా ఉపయోగపడే భవిష్యత్తును సూచిస్తోంది.

లోపించిన అంశం

ఈ మొత్తం ప్రచారం BFL యొక్క అంతర్గత పరీక్షలపైనే ఆధారపడి ఉంది. ఇప్పటివరకు ఎటువంటి థర్డ్-పార్టీ బెంచ్‌మార్క్ ప్రచురించబడలేదు మరియు ప్రాధాన్యత స్కోర్‌ల వెనుక ఉన్న పద్ధతి (methodology) బహిరంగంగా లేదు. బాహ్య ల్యాబ్‌లు ఈ ఫలితాలను పునరుత్పత్తి చేసే వరకు, Flux 3 స్పష్టమైన నాయకుడనే వాదన తాత్కాలికంగానే పరిగణించబడుతుంది.

గమనించాల్సిన అంశాలు

  • స్వతంత్ర మూల్యాంకనాలు – ల్యాబ్‌లు లేదా విద్యాసంస్థలు తమ స్వంత పోలికలను నిర్వహించే అవకాశం ఉంది; BFL గణాంకాల నుండి ఏవైనా తేడాలు కనిపిస్తే, అది మార్కెట్ అభిప్రాయాన్ని ప్రభావితం చేస్తుంది.
  • ఎర్లీ-యాక్సెస్ రోల్‌అవుట్ – BFL రాబోయే వారాల్లో Flux 3 యొక్క ఇమేజ్-జనరేషన్ వెర్షన్‌ను విడుదల చేసి, తన ఎకోసిస్టమ్‌ను విస్తరించాలని యోచిస్తోంది.
  • ఆడి (Audi) ప్రొడక్షన్ ఫలితాలు – Flux-mimic పరీక్షల నుండి వచ్చే ఖచ్చితమైన ఫలితాలు, జనరేటివ్ వీడియో రోబోటిక్ చర్యలను నమ్మదగిన రీతిలో నడిపించగలదా లేదా అని నిరూపించవచ్చు.