Mit nativer Audiogenerierung FLUX 3 - erste deutsche Video-KI ist da

Es hat etwas länger gedauert als vorgesehen, aber jetzt ist es da: das erste Video-Modell der deutschen KI-Schmiede Black Forest Labs. Vor ziemlich genau 2 Jahren hatten die Freiburger ihre Bild-KI Flux vorgestellt, die inzwischen immer weiter verbessert wurde und in vielen Tools Eingang gefunden hat. Sogar die Hollywood-Legende Martin Scorsese konnte dafür als Berater gewonnen werden.

FLUX 3 ist ein multimodales Modell

Mit dem ersten multimodalen Modell können neben Bildern nun auch Videos samt passendem Audio (Geräuschen wie auch Sprache) generiert werden. FLUX 3 soll auf dem aktuellen Stand der Technik und so konkurrenzfähig zu den aktuellen Top-Modellen sein - auch durch ein umfassendes Weltverständnis der physischen Welt samt den Regeln der kausalen Interaktion von Objekten und wie diese durch Text beschrieben werden. Die Demo zeigt beeindruckend, wie gut FLUX 3 zum Beispiel das Verhalten von Flüssigkeiten, die Bewegungen von Tieren oder auch Fingern und wilde Kamerafahren darstellen kann - auffällig abwesend sind aber Nahaufnahmen von Menschen, ihren Gesichtern und ihren Bewegungen.

Was FLUX 3 kann

FLUX 3 generiert bis zu 20 Sekunden lange 720p Videoclips mit nativem, synchronem Audio. Unterstützt werden Text-to-Video, Image-to-Video (Animation oder visuelle Referenz), Video-to-Video-Transfer sowie Keyframe-gesteuerte Übergänge und natürlich auch die Darstellung in verschiedenen visuellen Stilen. Mehrere Clips lassen sich per Agentic Chaining zu längeren Sequenzen verbinden. BFL zufolge sollen so mithilfe von Referenzbildern Mehrminuten-Sequenzen mit konsistenten Charakteren möglich sein, also quasi Kurzfilme. Black Forest Labs präsentiert auch einen eigenen Vergleichstest, demzufolge es Flux schaffte, mit den aktuellen Spitzenmodellen wie Google Omni Flash und Seedance 2.0 mitzuhalten - man darf gespannt sein, ob unabhängige Tests das bestätigen können.

Was FLUX 3 im Detail kann

- Text-zu-Video-Generierung mit nativem Audio

- Bild-zu-Video-Generierung, entweder als Fortsetzung eines Ausgangsframes („Animation“) oder unter Verwendung von Bildern als visuelle Referenzen.

- Video-zu-Video-Generierung auf Basis eines Referenzclips, wobei zentrale Elemente eines Ausgangsvideos - beispielsweise dieselbe Figur - in eine neue Szene oder einen neuen Kontext übertragen werden.

- Generative Video-Audio-Fortsetzung auf Grundlage eines eingegebenen Videos und Audios.

- Keyframe-zu-Video-Generierung für kontrollierte Übergänge zwischen definierten Momenten.

- Mehrsprachige Dialoge.

- Eine große Bandbreite an visuellen Stilen und Seitenverhältnissen.

- Agentenbasierte Verkettung einzelner Clips zu längeren Sequenzen mit mehreren Einstellungen.

- Hohe Stilvielfalt - FLUX 3 Video soll sowohl authentisch wirkende Camcorder-Aufnahmen als auch Animationen und filmischen Inszenierungen beherrschen.

- Typografie-Generierung und animierte Designs.

FLUX 3 Image folgt in den nächsten Wochen im Early Access - BFL verspricht bessere Prompt-Verarbeitung und mehrsprachige Textwiedergabe gegenüber FLUX.2. Parallel hat BFL zusammen mit mimic robotics FLUX-mimic entwickelt, ein Action-Modell für Greifmanipulation, das laut Hersteller bereits bei Audi im Produktionseinsatz getestet wird.

Verfügbarkeit und Rollout

Ab sofort lässt sich für FLUX 3 Video ein gated Early Access beantragen, FLUX 3 Action, die auf Aktionsvorhersage spezialisierte Variante von FLUX 3 und FLUX-mimic, das darauf basierende Video-Action-Modell für Robotik, stehen jetzt ausgewählten Forschungs- und Industriepartnern zur Verfügung. FLUX 3 Image soll in den kommenden Wochen folgen, ein Open-Weight-Release als FLUX 3 Dev ist für später in 2026 angekündigt.

Flux 3 is pretty darn impressive. This is what it produced with the prompt: "tracking shot that follows a female astronaut with her helmet open as she walks through a regency dance in a traditional manor, with a mural on the wall painted by Rothko. Pushing people out of the way… pic.twitter.com/Fk2BPwebUl

— Ethan Mollick (@emollick) July 29, 2026