FLUX 3 Video: novo modelo da BFL gera clipes de 20 segundos com áudio

A empresa BFL (Black Forest Labs) colocou no ar o FLUX 3 Video, um modelo de inteligência artificial capaz de gerar clipes de até 20 segundos em alta definição (HD) com áudio nativo – ou seja, o som é criado junto com as imagens, sem precisar de edição externa. A ferramenta funciona a partir de descrições em texto ou de fotos enviadas pelo usuário e já pode ser usada por desenvolvedores por meio da API da BFL e de parceiros selecionados.

O FLUX 3 é um modelo multimodal, o que significa que ele lida com vários tipos de conteúdo ao mesmo tempo: vídeo, áudio, imagem e até ações. Na prática, ele entende comandos simples ou complexos e consegue, por exemplo, mudar de cena ou de ângulo dentro de um mesmo vídeo, renderizar textos como parte natural da imagem e gerar diálogos em vários idiomas com sincronia labial. Um recurso chamado Modo Rascunho permite criar uma prévia rápida e barata do vídeo antes de gerar a versão final em qualidade total, mantendo os mesmos elementos e movimentos.

Segundo a BFL, o FLUX 3 Video supera os modelos concorrentes em tarefas de texto para vídeo e empata com o Seedance 2.0 em imagem para vídeo – resultado de testes internos e avaliações feitas por pessoas reais. A empresa também afirma ter adotado medidas de segurança em parceria com a consultoria Cinder para evitar usos inadequados, como a criação de imagens íntimas não consensuais ou material de abuso infantil.

Por enquanto, o modelo está acessível apenas para desenvolvedores via API, e não para o público geral que quer criar vídeos direto no navegador. O impacto imediato é para quem trabalha com criação de conteúdo e pode integrar a ferramenta em seus próprios sistemas. A BFL já anunciou os próximos passos: uma versão com pesos abertos (que qualquer empresa pode baixar e rodar no próprio servidor) e um modelo focado em geração e edição de imagens.