이미지 만들던 모델이 소리 붙은 20초 영상을 뽑는다: FLUX 3가 이미지·영상·오디오를 한 모델로 묶었다

Black Forest Labs가 7월 23일 FLUX 3를 공개했다. 이미지 생성 모델로 이름을 알린 회사가 처음으로 이미지, 영상, 오디오를 한 모델에서 함께 학습한 결과물이다. 가장 눈에 띄는 변화는 최대 20초 영상에 오디오가 네이티브로 붙는다는 점이다. BFL 계보에서 소리가 모델 안에서 같이 나오는 건 이번이 처음이다.

성능 주장도 구체적이다. 10초 720p 클립 선호 비교에서 FLUX 3는 Luma Ray 3.2 대비 93%, Runway Gen-4.5 대비 77%, Grok Imagine Video 대비 69% 선택을 받았다고 회사는 밝혔다. 지원 형태도 넓다. 텍스트에서 영상, 이미지에서 영상, 영상에서 영상, 키프레임 전환, 다국어 대사, 그리고 클립을 이어 붙여 여러 장면을 만드는 체이닝까지 들어간다.

다만 지금 손에 잡히는 건 일부다. 영상은 게이트 걸린 얼리액세스로 열렸고 이미지 생성은 몇 주 뒤, 오픈웨이트 백본인 FLUX 3 Dev는 연내로 예고됐다. 로봇용 영상 액션 모델 Flux-mimic도 함께 공개돼 Audi에서 시험 중이다.

한눈에 보기

출시	2026-07-23 (영상 얼리액세스 우선)
영상 길이	최대 20초, 오디오 네이티브
선호도(10초 720p)	Luma Ray 3.2 대비 93%, Runway Gen-4.5 대비 77%, Grok Imagine Video 대비 69%
입력 형태	텍스트/이미지/영상 → 영상, 키프레임 전환, 다국어 대사, 클립 체이닝
개방 일정	이미지 몇 주 뒤, 오픈웨이트 FLUX 3 Dev 연내

세 도구가 한 모델로 접힌다

기존 짧은 영상 워크플로는 손이 많이 갔다. 이미지 모델로 장면을 잡고, 영상 모델로 움직임을 만들고, 성우나 TTS로 소리를 얹고, 편집 툴에서 립싱크와 컷을 맞췄다. 넘어가는 손잡이마다 포맷이 바뀌고 시간이 샜다. FLUX 3는 이미지, 영상, 오디오를 한 모델이 뱉고 클립 체이닝으로 여러 장면까지 잇는다. 흩어져 있던 단계가 하나로 접힌다.

20초와 네이티브 오디오가 바꾸는 것

생성 영상은 대체로 무음 5초에서 10초짜리였다. 20초에 대사까지 한 번에 나오면 커버 범위가 달라진다. 짧은 광고 한 편, 릴 하나, 제품 설명 클립 하나가 통째로 한 번의 생성 안에 들어온다. 다국어 대사를 지원하니 같은 소재를 언어만 바꿔 여러 시장에 내보내는 것도 편집 없이 가능해진다.

선호도 숫자를 곧이곧대로 믿을 필요는 없다. 자사 평가라 유리한 조건을 골랐을 여지가 크고 비교 대상도 10초 720p로 한정됐다. 그래도 방향은 분명하다. 소리와 대사를 따로 만들어 붙이던 축을 모델 안으로 끌고 들어왔다는 것이다. 경쟁 제품들이 무음 클립 품질로 겨루는 동안 FLUX 3는 완성된 짧은 영상 한 편이라는 다른 단위로 승부를 건다.

개방 일정이 실제 판단을 가른다

주목할 점은 지금 열린 게 영상 얼리액세스뿐이라는 것이다. 이미지 생성은 몇 주 뒤, 정작 워크플로에 박아 둘 수 있는 오픈웨이트 FLUX 3 Dev는 연내다. 로봇용 액션 모델 Flux-mimic이 Audi 라인에서 시험 중이라는 대목은 이 회사가 겨냥하는 그림이 콘텐츠를 넘어 물리 세계까지 뻗는다는 신호다. 당장의 쓸모와 반년 뒤의 쓸모를 갈라서 봐야 한다.

anyAX 관점

1인 광고 제작자나 콘텐츠 크리에이터한테 이 발표의 실속은 "영상이 좋아졌다"가 아니다. 오디오가 모델 안에서 같이 나온다는 점이다. 무음 클립을 뽑고 성우나 TTS를 따로 얹고 립싱크를 맞추던 단계가 사라진다. 동네 공방이 비누 리뷰 릴 하나를 만든다면 컷 서너 개를 체이닝해 소리까지 붙은 20초를 뽑을 수 있다. 병목이 제작에서 기획으로 옮겨간다는 얘기다.

단, 지금은 게이트 걸린 얼리액세스고 오픈웨이트 Dev는 연내로 미뤄졌다. 당분간은 순서를 기다려 접근하는 외부 기능이라 내 워크플로에 깊이 박아 두기엔 이르다. 그리고 모두가 같은 20초를 뽑을 수 있게 되면 남는 차이는 화질이 아니다. 무슨 20초를 만들 것인가, 어떤 대사와 컷 순서로 사람을 붙잡을 것인가다. 모델은 시간이 지나면 다 비슷해진다. 그 20초에 담을 기획은 안 그렇다.