FLUX 3 آپریشن میں

FLUX 3 صرف تصویر تخلیق کرنے والا ٹول نہیں، بلکہ تصاویر، ویڈیوز اور آڈیو کو بیک وقت پراسیس کرنے والا متحدہ کثیر الوسائط ماڈل ہے۔ یہ متنی ہدایات یا حوالہ جاتی تصاویر اور ویڈیوز کی بنیاد پر مواد تخلیق کر سکتا ہے، اور آڈیو سمیت ویڈیو تخلیق، ویڈیو تدوین اور حرکت کی پیش گوئی کو بھی سپورٹ کرتا ہے۔ پروڈکٹ فی الحال Early Access مرحلے میں ہے، جبکہ سرکاری طور پر ویڈیو، تصویر اور متعلقہ ماڈل کی صلاحیتیں مرحلہ وار دستیاب کرائی جا رہی ہیں۔

ویڈیو مواد تخلیق کار

متن، تصویر یا ویڈیو حوالوں کی مدد سے مقامی آڈیو سمیت ویڈیوز تخلیق کریں، اور کلیدی فریم، توسیع اور ویڈیو سے ویڈیو کے ذریعے مواد میں تبدیلیوں کو کنٹرول کریں۔

تصویری ڈیزائن اور تدوین کے صارفین

تصاویر کی ترکیب اور تدوین کے لیے ماڈل استعمال کریں، پیچیدہ اشاروں، مختلف بصری انداز، پہلو کے تناسب اور کثیر لسانی متنی مواد کو سنبھالیں۔

AI مصنوعات کی ترقیاتی ٹیمیں

سرکاری API کے ذریعے تصاویر، ویڈیوز اور آڈیو کی تخلیق و تدوین کی صلاحیتیں زیرِ ترقی مواد تخلیق یا بصری ذہانت کی مصنوعات میں شامل کریں۔

منتخب روبوٹکس محققین اور تجارتی شراکت دار

سرکاری شراکت داری کے دائرے میں حرکت کی پیش گوئی اور ویڈیو بنیادی ماڈل کی فائن ٹیوننگ پر مبنی صلاحیتیں استعمال کرتے ہوئے ماہرانہ جوڑ توڑ اور پیداواری تعیناتی کے امکانات تلاش کریں۔

متن سے ویڈیو تخلیق

متنی اشارے سے زیادہ سے زیادہ تقریباً 20 سیکنڈ کی مقامی آڈیو سمیت ویڈیو تخلیق کریں، جو مختلف انداز اور پہلو کے تناسب پر متحرک مواد تیزی سے تیار کرنے کے لیے موزوں ہے۔

حوالہ جاتی تصویر سے ویڈیو تخلیق

ابتدائی فریم یا بصری حوالہ جاتی تصویر فراہم کرکے ویڈیو تخلیق کریں، جسے تصویری اینیمیشن، منظر کی توسیع یا مرکزی موضوع کی بصری خصوصیات برقرار رکھنے کے لیے استعمال کیا جا سکتا ہے۔

ویڈیو سے ویڈیو

حوالہ جاتی ویڈیو اپ لوڈ کریں اور ماخذ ویڈیو کے بنیادی عناصر کو نئے منظر یا سیاق میں منتقل کریں، جو مواد کی ازسرنو تشکیل اور انداز کی تبدیلی کے لیے موزوں ہے۔

ویڈیو اور آڈیو کی توسیع

ان پٹ ویڈیو اور آڈیو کی بنیاد پر اگلا مواد تخلیق کریں، تاکہ منظر کی پیش رفت اور صوتی معلومات بیک وقت جاری رہیں۔

کلیدی فریم سے ویڈیو

متعدد متعین اہم لمحات فراہم کرکے مختلف حالتوں کو ملانے والی ویڈیو تخلیق کریں، جس سے منظر کی تبدیلیوں اور ٹرانزیشنز کو زیادہ قابو کے ساتھ ڈیزائن کیا جا سکے۔

تصویر کی ترکیب اور تدوین

متنی اشاروں یا حوالہ جاتی مواد کی بنیاد پر تصاویر تخلیق اور تبدیل کریں، اور مختلف انداز، پہلو کے تناسب، ریزولوشن اور کثیر لسانی متن کی پیشکش کو سپورٹ کریں۔

کثیر لسانی مکالمے کی تخلیق

ویڈیو تخلیق کے دوران کثیر لسانی مکالموں کو پراسیس کریں، تاکہ کرداروں کا اظہار، بصری مواد اور آواز کی تخلیق ایک ہی ویڈیو نتیجے میں یکجا ہو جائیں۔

حرکت کی پیش گوئی

دنیا اور حرکی اصولوں کے بارے میں ماڈل کی سمجھ کی بنیاد پر حرکات کی پیش گوئی کریں، اور خصوصی ماڈلز کے ذریعے روبوٹس کے ماہرانہ جوڑ توڑ کے کاموں کو دریافت کریں۔

متحدہ کثیر الوسائط ساخت

ماڈل ایک ہی ساخت میں تصاویر، ویڈیوز اور آڈیو سے بیک وقت سیکھتا ہے، اور مختلف سینسرز سے حاصل ہونے والی معلومات کو ایک ہی حقیقت کے باہم تکمیلی شواہد سمجھتا ہے۔

ویڈیو کے ساتھ مقامی آڈیو کی تخلیق

تخلیق کردہ ویڈیو میں مقامی آڈیو شامل ہوتا ہے، جو آواز کو منظر میں ہونے والے طبعی واقعات سے جوڑ سکتا ہے، بجائے اس کے کہ صرف خاموش منظر تخلیق کرے۔

مواد اور حرکت کی صلاحیتوں کا امتزاج

ایک ہی کثیر الوسائط بنیادی ماڈل مواد تخلیق اور حرکت کی پیش گوئی دونوں کے لیے استعمال ہوتا ہے، جو ویڈیو فہم، حرکی ماڈلنگ اور جسمانی ذہانت کی تحقیق کے لیے مشترکہ بنیاد فراہم کرتا ہے۔

مسلسل کثیر منظر تخلیق

سرکاری تعارف کے مطابق ذہین ایجنٹس کے ذریعے الگ الگ حصوں کو جوڑ کر طویل کثیر منظر سلسلے تشکیل دیے جا سکتے ہیں، جبکہ بصری حوالوں کی مدد سے کرداروں کا تسلسل برقرار رکھا جا سکتا ہے۔

• سرکاری ہوم پیج: FLUX 3: Multimodal Video, Image & Audio
• سرکاری دستاویزات: The frontier of visual intelligence - Black Forest Labs
• سرکاری تعارفی صفحہ: About Black Forest Labs