Black Forest Labsは2026年8月4日(現地時間)、画像、動画、音声を横断学習した初の動画モデル「FLUX 3」のプレビュー提供を開始すると発表しました。同モデルは同期音声付き動画の生成を特徴とする見込みです。2026年8月11日(現地時間)には、このFLUX 3を活用した動画生成機能がFLUX MCP serversに導入され、ClaudeやCursorといったMCP互換クライアントから直接利用が可能となる見込みです。
FLUX 3は、最大20秒の動画をFHD（1920 × 1088、アスペクト比16:9）24fpsで単一のリクエストで生成するとされています。同期音声機能として、多言語スピーチ、高いリップシンク性能、さらにエフェクトやアンビエンスサウンドをフレームと同期して生成する見込みです。
提供される主要なモードは四つとされており、テキストから動画を生成するtext to video (t2v)、1〜10個のキーフレームを指定して画像から動画を生成するimage to video (i2v)、既存の動画を継続生成するvideo continuation (v2v)、およびドラフト版を高品質で再レンダリングするdraft enhance (draft_enhance)が含まれると見られます。単一の生成内で複数のシーンやカメラアングルを設定できるほか、正確なインシーンテキストやタイポグラフィもサポートされる見込みです。
また、2026年8月7日(現地時間)には、FLUX 3の動画生成を指示するための6つの「Agent Skills」が公開される見込みです。「flux-3-video」、flux-3-prompt-doctor、flux-3-cinematic-inserts、flux-3-keyframes-continuation、flux-3-audio-dialogue、「flux-3-generate」の各スキルは、Claude、Cursor、Windsurfといったコーディングエージェントに利用方法を学習させるとBlack Forest Labsは説明しています。これらのスキルはblack-forest-labs/skillsリポジトリからインストール可能となる予定です。
2026年8月17日(現地時間)の発表では、video continuation (v2v)リクエストの最大継続期間が15秒に設定されることが示される見込みです。一方、text-to-video、image-to-video、およびdraft enhanceについては最大20秒で変更はないとされています。
参考: docs.bfl.ml (アーカイブ) — 2026年8月20日 01:11 (JST)