通义万相官网 – 多模态AI视频生成工具

Latte是一种新的潜扩散Transformer模型，用于视频生成，能够从输入视频中提取时空token，并通过Transformer块建模潜空间中的视频分布。该模型在多个标准视频生成数据集上取得了最先进的性能，支持文本到视频生成任务，适用于多种复杂的时空视频生成需求。

跃问视频是由阶跃星辰推出的一款AI视频生成工具，目前处于免费内测阶段。用户可以通过输入文字描述或选择预设主题（如城市风光、科幻奇观、自然奥秘等）生成最长10秒的高清视频。该工具旨在简化视频创作流程，无需专业技能，适合教育、营销、娱乐等多种场景。

Ke Ling AI 是快手大模型团队开发的基于自研大模型的视频生成工具，能够生成长达 2 分钟、1080p 分辨率、30 帧每秒的高清视频，支持自由调整宽高比。其核心功能包括文生视频、图生视频和运镜控制，模拟现实世界的复杂运动模式和物理特性，展现强大的概念组合和想象力。

Olm是一个利用光学语言模型快速生成全新视频的项目，用户只需上传或输入所需内容，便可生成完整视频。该模型能够清晰理解和重构多媒体内容，用户可以指定视频的长度、风格和视觉元素，以定制化生成视频。

WHEE 是由美图公司开发的高品质 AI 素材生成工具，提供多种 AI 视觉创作功能，包括文生视频、图生视频、文生图、图生图、画面拓展和局部修改等。这些功能旨在简化图像、视频和设计的生产，推进行业数字化，尤其在美学相关解决方案中表现出色。WHEE 适用于设计师、内容创作者和普通用户，帮助用户快速生成创意内容。

FXV是一个利用光学语言模型快速生成全新视频的工具，用户只需几分钟即可创建出高质量的视频内容。这些模型能够以卓越的清晰度和洞察力构建、重新诠释和理解多媒体内容，为视频创作提供了全新的可能性。

Stable Video Diffusion 是一个可以本地部署的视频生成模型，旨在通过先进的生成技术创建高质量视频内容。该项目基于生成对抗网络(GAN)技术，支持多种输入格式，能够生成多样化的视频内容，并集成了多种预训练模型，便于用户快速上手。

Stable Video Diffusion是一款突破性的AI工具，能够直接根据文本生成高质量的视频序列，为用户提供全新的创作体验。

Matrix 是一个先进的世界模型，旨在实时生成高质量、无限时长的交互视频，为神经交互模拟领域树立了新的标杆。它通过首次将真实与模拟数据结合训练，显著提升了模型的泛化能力，并基于 Swin-DPM 架构支持动态扩展内容，适应各种应用场景。

HunyuanVideo是一个大型视频生成模型的系统框架，能够生成与领先闭源模型相媲美的视频，支持多模态信息融合和大规模模型训练。该项目旨在提供高效的工具和环境，以促进视频生成技术的发展和应用。

通义开源的Wan视频生成模型，显存要求超低，仅需8G显存即可运行高质量视频生成。该模型支持文生视频、图生视频、视频编辑、文生图等多种功能，是业界首个双语视频模型，能够同步生成中英字幕。

WayToAGI 是一个由 AI 专家和爱好者共同建设的开源 AI 知识库，旨在整合各种 AI 资源，提供学习 AI 知识、应用 AI 工具和实战案例的平台。它包括文生图、文生视频、文生语音等教程，并持续追踪 AI 领域的最新进展，适合 AI 初学者和行业专家使用。项目内容涵盖从基础概念到高级应用的广泛领域，通过飞书文档和社区活动为用户提供互动和学习体验。

Step-Video-T2V是阶跃星辰团队推出的开源文本到视频预训练模型，拥有300亿参数，能够生成长达204帧的高质量视频。该模型基于深度压缩的变分自编码器(Video-VAE)，显著提高了训练和推理效率。配备双语文本编码器，支持中英文提示输入，并通过直接偏好优化(DPO)方法进一步提升视频质量。模型采用扩散的Transformer(DiT)架构和3D全注意力机制，在生成具有强烈运动动态和高美学质量的视频方面表现出色。

由S-Lab、南洋理工大学和上海人工智能实验室联合发布的文本驱动的人物视频生成技术，能够根据用户输入的文本描述生成高质量的人物视频，支持多种风格和场景，提供用户友好的操作界面。

智谱刚发布的最新CogVideoX1.5模型，能够生成高质量的视频内容，支持多种分辨率及时长的视频生成。