Black Forest Labs গতকাল (৫ আগস্ট) এক ঘোষণায় FLUX 3 ভিডিও জেনারেশন মডেল আনুষ্ঠানিকভাবে চালুর কথা জানিয়েছে। মডেলটি সর্বোচ্চ ২০ সেকেন্ডের ভিডিও এবং নেটিভ 1080p রেজোলিউশন সমর্থন করে। এর কর্মক্ষমতা ByteDance-এর Seedance 2.0 এবং Minimax-এর H3-সহ অন্যান্য মডেলের চেয়ে ভালো।
FLUX 3 মডেলটি Early Access হিসেবে ২৩ জুলাই চালু হয়। এতে একই আর্কিটেকচারের মাধ্যমে ছবি, ভিডিও এবং অডিওর যৌথ প্রশিক্ষণ ব্যবহার করা হয়েছে।
FLUX 3 একবারের জেনারেশনে সর্বোচ্চ ২০ সেকেন্ডের ভিডিও তৈরি করতে পারে এবং এর সঙ্গে নেটিভ অডিও যুক্ত থাকে। কর্তৃপক্ষ জানিয়েছে, মডেলটি টেক্সট-টু-ভিডিও, ইমেজ-টু-ভিডিও, ভিডিও-টু-ভিডিও, ইনপুট ভিডিও ও অডিও সম্প্রসারণ, কী-ফ্রেম-টু-ভিডিও, বহুভাষিক কথোপকথন এবং একাধিক শট সংযুক্ত করার সুবিধা সমর্থন করে।
কর্তৃপক্ষের ব্লগে প্রকাশিত তথ্য অনুযায়ী, টেক্সট-টু-ভিডিও পরীক্ষায় মডেলটি 1,135 পয়েন্ট পেয়েছে, যা Gemini Omni Flash এবং Minimax H3 মডেলের চেয়ে বেশি। ইমেজ-টু-ভিডিও পরীক্ষায় এটি 1,051 পয়েন্ট পেয়েছে, যা Seedance 2.0 এবং Minimax H3 মডেলের চেয়ে বেশি।
খরচ ভিডিওর আউটপুট দৈর্ঘ্য অনুযায়ী, অর্থাৎ প্রতি সেকেন্ড হিসেবে গণনা করা হয়:
Draft মোড (দ্রুত / সাশ্রয়ী) শুধুমাত্র HD সমর্থন করে। টেক্সট-টু-ভিডিও বা ইমেজ-টু-ভিডিওর জন্য প্রতি সেকেন্ডে 0.06 ডলার (দ্রষ্টব্য: বর্তমান বিনিময় হারে প্রায় 0.41 চীনা ইউয়ান), আর ভিডিও-টু-ভিডিওর জন্য প্রতি সেকেন্ডে 0.12 ডলার (বর্তমান বিনিময় হারে প্রায় 0.81 চীনা ইউয়ান) খরচ হয়।
সাধারণ HD মোডে টেক্সট-টু-ভিডিও বা ইমেজ-টু-ভিডিওর জন্য প্রতি সেকেন্ডে 0.17 ডলার (বর্তমান বিনিময় হারে প্রায় 1.1 চীনা ইউয়ান), আর ভিডিও-টু-ভিডিওর জন্য প্রতি সেকেন্ডে 0.41 ডলার (বর্তমান বিনিময় হারে প্রায় 2.8 চীনা ইউয়ান) খরচ হয়।
Full HD মোডে টেক্সট-টু-ভিডিও বা ইমেজ-টু-ভিডিওর জন্য প্রতি সেকেন্ডে 0.29 ডলার (বর্তমান বিনিময় হারে প্রায় 2 চীনা ইউয়ান), আর ভিডিও-টু-ভিডিওর জন্য প্রতি সেকেন্ডে 0.53 ডলার (বর্তমান বিনিময় হারে প্রায় 3.6 চীনা ইউয়ান) খরচ হয়।