FLUX 3 réunit image, vidéo et son en un modèle, la vidéo reste en accès anticipé
— AUDIOVISUEL
Black Forest Labs présente FLUX 3, un modèle unique qui génère image, vidéo et son depuis la même architecture, avec une extension annoncée vers la prédiction d'actions pour la robotique. La vidéo n'étant ouverte qu'en accès anticipé et sans démonstration indépendante, la promesse d'un rendu plus fidèle au réel reste à vérifier format par format.
Black Forest Labs présente FLUX 3 comme un modèle unique capable de produire image, vidéo et son, là où ces trois sorties passent d'ordinaire par autant d'outils séparés. Multimodal, dans leur vocabulaire, veut dire concrètement qu'une même machine avale une consigne et rend indifféremment une image fixe, un plan animé ou une piste audio, sans changer de moteur en cours de route.
Pour un motion designer qui assemble une publicité, l'intérêt n'est pas la prouesse technique, c'est la fin des allers-retours entre un modèle d'image et un modèle de vidéo qui n'ont jamais tout à fait le même goût. Générer la planche fixe puis l'animer sans que le grain, la lumière et la palette ne dérivent d'un outil à l'autre, voilà ce qui se jouerait si la promesse tenait.
Reste que la vidéo n'est ouverte qu'en accès anticipé, réservée à quelques mains, et qu'aucune démonstration indépendante n'accompagne l'annonce. La fidélité au réel que vante le message, dans tous les styles, est une parole de constructeur, pas un résultat mesuré. Le même texte ajoute que l'architecture peut prédire des actions pour la robotique, avec Audi et une société nommée mimic, un terrain d'usine et d'ingénierie qui n'a plus grand-chose à voir avec une chaîne créative.
Le vrai apport, s'il se confirme, tient dans ce mot d'architecture unifiée, une seule fondation entraînée d'un coup pour tous les formats. C'est ce qui pourrait donner une vraie cohérence entre une affiche et son teaser, là où coudre deux modèles distincts laisse presque toujours une jointure visible. Comparé à la mosaïque d'outils actuelle, le gain se mesurerait en heures de post-production économisées, à condition que la qualité de la vidéo rattrape celle de l'image.
D'ici l'ouverture à tous, la seule question qui vaille pour un studio est de savoir si ce modèle unique tiendra la comparaison sur chaque format pris à part, ou s'il faudra continuer à sortir l'outil spécialisé dès que la vidéo compte vraiment.