MOKI官网 – AI视频短片创作工具

MOKI是美图公司推出的一款基于AI技术的视频短片创作工具，旨在帮助创作者高效制作动画短片、网络短剧、故事绘本和音乐视频（MV）。它利用美图自研的Miracles Vision大模型，提供智能剪辑、自动配乐、音效生成、字幕生成等功能，简化了视频制作流程，特别适合需要快速生成内容的创作者。MOKI还支持AI生成分镜图、角色设计等功能，覆盖从脚本到成片的整个创作周期。

MOKI的特点:

1. 基于Miracles Vision大模型的AI技术
2. 智能剪辑，自动识别关键帧
3. 自动配乐，根据视频主题匹配背景音乐
4. 音效生成，增强音频体验
5. 字幕生成，支持多语言
6. AI生成分镜图，辅助前期规划
7. 角色设计，支持个性化定制

MOKI的功能:

1. 动画短片创作，快速生成脚本和故事板
2. 网络短剧制作，利用智能剪辑提升效率
3. 故事绘本创作，生成可视化故事内容
4. 音乐视频（MV）制作，自动添加多语言字幕
5. 教育视频制作，生成故事绘本和故事视频
6. 娱乐内容创作，快速生成个性化视频

相关导航

Leonardo AI官网 – AI图像生成器，提升创意项目

Leonardo AI是一个强大的AI图像生成器，能够以无与伦比的速度和风格生成高质量的图像，帮助用户提升他们的创意愿景。用户只需创建一个账户，无需信用卡，即可开始使用，创造生产质量的视觉资产，适用于各种项目。

pyvideotrans开源项目 – 视频翻译与配音工具

这是一个视频翻译配音工具，可将一种语言的视频翻译为指定语言的视频，自动生成和添加该语言的字幕和配音，并支持API调用。

openSora-STDiT-v3模型 – 开源文本生成视频模型

openSora-STDiT-v3 是 Open-Sora 1.2 项目的一部分，由 Lu Chen 团队开发。它是一个开源的文本生成视频模型，能够生成 16 秒 720p 高清视频，支持多种风格，如人物肖像、科幻大片和动画。该模型在视频压缩网络、扩散模型算法和模型评估系统上进行了创新，显著降低了训练成本并提高了视频质量。此外，它支持图像到视频生成和视频扩展功能，适用于游戏开发、影视制作、广告制作、教育培训和个人创作。

RenderFit官网 – 自动化视频编辑与字幕生成

RenderFit 是一个利用人工智能自动化视频编辑和字幕生成的工具，旨在提升视频的参与度、改善观众的注意力和记忆力，同时增强视频的可访问性。该平台通过智能分析视频内容，快速生成高质量的字幕和编辑效果，使用户能够更高效地制作和分享视频。

Aitubo官网 – 免费AI艺术生成网站

Aitubo是一个免费的AI艺术生成网站，允许用户创建各种图像、游戏资产、动漫材料、艺术风格、角色设计、产品原型、摄影作品，甚至AI视频。用户可以通过选择不同类别和自定义参数来生成所需的图像，并浏览画廊和社区动态以获取灵感。

audio2text官网 – 音频转文本的免费服务

audio2text是一个由OpenAI驱动的服务，能够高精度地将音频文件转换为文本，支持多种语言和音频格式，并提供不同格式的转录文件下载选项。

Wavel AI官网 – 多语言语音解决方案平台

Wavel是一个专注于视频和本地化的文本转语音语音解决方案的综合平台，帮助企业和个人轻松创建专业的多语言配音，提升内容的影响力和覆盖面。

Vmaker AI Video Editor官网 – 在线AI视频编辑器，快速提升视频质量

Vmaker AI是一款在线AI视频编辑器，可以在几分钟内将您的原始视频转化为令人惊艳的视频。它自动添加B-roll片段、背景音乐、转场、字幕等，还能帮助您从长视频中创建短视频、预告片和精彩片段。

Axofy AI官网 – 一款增强内容创作的AI平台

Axofy AI是一个先进的人工智能平台，提供多种工具用于创作吸引人的内容，包括写作、图像生成、视频创作和配音。其主要目标是提升内容生成中的生产力和创造力，使用户能够轻松制作高质量内容。该平台支持广泛的创意任务，是个人和企业改善内容生产过程的宝贵资源。

Stable Video Diffusion Image-to-Video模型 – 图像到视频生成模型

Stable Video Diffusion Image-to-Video 是一个潜扩散模型，能够从单一图像生成14帧视频，分辨率为576x1024。该模型通过f8-decoder的微调确保时间一致性，并提供标准逐帧解码器，主要用于研究生成模型、艺术创作和教育工具等用途。

PromptSora官网 – 基于文本生成视频的AI工具

PromptSora是一个专注于利用OpenAI的Sora模型，通过文本生成视频的工具，提供丰富的资源、教程和示例提示，帮助用户轻松创建高质量的视频内容。

Emu Video官网 – 文本到视频生成工具

Emu Video 是由 Meta AI 团队开发的基于扩散模型的文本到视频生成工具。它通过两步法工作：首先从文本生成图像，然后基于该图像和文本生成视频。该工具支持多种输入方式，包括纯文本、文本加图片，或图片加文本提示，灵活适应不同用户需求。它在 3400 万视频文本对的数据集上训练，生成 4 秒长的高清视频，分辨率为 512×512 像素，帧率为每秒 4 帧。目前主要用于生成 AI 研究领域，尚未公开供一般用户使用。

Florence-2-large官网 – 微软开发的视觉语言模型

Florence-2-large 是微软开发的一个视觉语言模型，基于序列到序列学习范式，支持多种视觉任务。它通过 FLD-5B 数据集训练，包含 126 百万张图像和 54 亿个全面视觉注释，能够处理复杂的视觉数据，如对象位置、遮罩轮廓和属性，并通过多任务学习实现统一的视觉理解。模型在字幕生成、目标检测、视觉定位、视觉分割和OCR等方面表现良好。