Avec FLUX 3, Black Forest Labs ajoute le son à la vidéo

Black Forest Labs a publié FLUX 3 le 4 août 2026, selon le billet de Replicate. Le modèle multimodal peut générer des sorties vidéo et audio. Black Forest Labs avait auparavant lancé FLUX.1 comme modèle d’image. Avec FLUX 3, le laboratoire étend son approche à la vidéo. Son architecture consolidée apprend à partir d’images, d’audio et de vidéos. L’objectif présenté consiste à relier espace, temps, mouvement et son dans un même modèle. Replicate propose un accès d’essai à FLUX 3. Le modèle accepte une phrase simple ou une description détaillée. Il peut aussi produire des scènes qui nécessitent une compréhension du fonctionnement d’un objet.

Une architecture multimodale relie plusieurs types de signaux pendant l’apprentissage. Les images représentent les structures spatiales à un instant donné. Les vidéos ajoutent la dimension temporelle et les dynamiques physiques. L’audio apporte des indices sur les relations causales entre phénomènes mécaniques et acoustiques. Le langage relie ces perceptions à des objectifs et des instructions. Black Forest Labs explique que les modalités deviennent des éléments d’une même réalité. Le billet de Replicate rapporte que l’audio informe le mouvement, et que le mouvement informe l’audio. FLUX 3 peut ainsi générer une course de véhicule dans le désert ou une pieuvre avançant sur un fond marin rocheux.

FLUX 3 génère des scènes vidéo

Les prompts simples peuvent produire des scènes complètes avec FLUX 3. Un exemple montre un jeune homme regardant par la fenêtre d’un train en Suisse rurale. Un autre décrit un plongeur descendant dans un cénote avec des ruines mayas. Le modèle utilise aussi des instructions précisant caméra, lumière, mouvement et son. Par défaut, FLUX 3 peut créer plusieurs plans dans une même scène. Une poursuite de moto peut alterner un angle bas et une vue depuis le guidon. Des plans horodatés permettent aussi d’ordonner plusieurs séquences. Replicate montre un exemple de stade, de sprinteur et de ligne d’arrivée sur douze secondes.

Les styles varient au-delà du rendu cinématographique hyperréaliste. FLUX 3 peut produire une animation en pâte à modeler avec empreintes digitales, coutures et marques d’outils visibles. Il peut également combiner dessin à l’encre, imagerie 3D, trames et effets de séparation chromatique. Le modèle sait aussi imiter des vidéos VHS ou Hi8. Le prompt doit alors décrire le caméscope, la mise au point, l’exposition et le cadrage instable. Replicate présente des exemples de vidéos domestiques datées de 1995 et 1997. Un autre test, publié par fofr, explore un déplacement continu en apesanteur dans une station spatiale.

Replicate documente quatre modes

Les entrées vidéo couvrent plusieurs usages. FLUX 3 accepte une image de départ et une image finale pour guider une transformation. Un exemple fait évoluer la même voiture, d’un état rouillé à un état restauré, sans modifier son identité. Le paramètre start_video prolonge un clip existant depuis sa dernière image. Replicate décrit un skateboarder qui poursuit son mouvement après une rampe. Le même principe s’applique à un surfeur qui attrape une vague. Le paramètre keyframe_images accepte jusqu’à dix images pour un mode storyboard. Une génération peut donc intégrer transformation, continuation et plusieurs repères visuels.

L’appel Replicate utilise le modèle black-forest-labs/flux-3 avec un prompt, une durée et une résolution. L’exemple fourni définit une durée de huit secondes, une résolution de 720p et un format 16:9. Le paramètre generate_audio active la génération sonore. Les paramètres image, end_image, keyframe_images et start_video correspondent respectivement aux images de départ, de fin, aux images clés et à la continuation. Le billet présente aussi un appel via Cloudflare AI Gateway. Cette voie ajoute la journalisation, la mise en cache et la limitation de débit. Cloudflare gère les identifiants du fournisseur et facture l’usage via Unified Billing, selon Replicate.

Lire le guide complet de Replicate. Tester FLUX 3 sur Replicate. Voir le test vidéo de fofr