文本到视频

探索Sora风格高质量长视频生成的实验性文本转视频项目 Mira（Mini-Sora）是聚焦Sora风格视频生成探索的实验性AI项目，基于现有文本到视频生成框架改进，围绕长时高质量视频生成方向，从扩展序列长度、增强动态内容特性、保持3D空间一致性三个维度实现技术突破，目前仍处于实验阶段，技术成熟度不及Sora等高级模型，仍有进一步提升空间。

面向社交传播的AI视频创作平台，简化制作流程降低创作成本 该平台聚焦社交媒体传播需求，通过多项AI能力重构视频制作流程，无需复杂剪辑技能与大额设备投入，即可完成从文本到成品视频的全流程产出。区别于通用AI视频工具，它更侧重提升视频的传播吸引力，产出符合社交媒体平台属性的内容。

基于机器学习的AI文本到视频平台，可生成逼真视频动画 Moonvalley是依托先进机器学习技术的生成式AI工具，用户输入文本提示即可生成逼真精美的影片和动画，可覆盖专业电影小样、商业广告、动画短片及个人创作等多种场景，帮助创作者省去传统制作的复杂流程，快速将文字想法转化为可视化视频作品，降低了视频创作门槛。

改进型3D视频变分自编码器，提升视频编码重建质量与稳定性 针对传统图像VAE扩展为3D VAE引发的运动模糊、细节失真问题，提出时间感知空间压缩方案优化空间编解码，集成轻量级运动压缩模型实现时间压缩。引入文本到视频数据集的文本信息做文本指导，联合图像与视频训练提升通用性，支持图像、视频双向自编码，多项评估显示性能优于现有主流基线模型。

高性能文本到视频生成模型，生成效果优于多款主流同类产品 MagicVideo-V2是一款文本到视频生成模型，特殊的架构设计支持生成高分辨率视频内容，成品具备出色的保真度与画面平滑性。经大规模用户评估验证，该模型的整体生成性能表现，优于Runway、Pika 1.0、Morph、Moon Valley、Stable Video Diffusion等多个业内领先的同类文本到视频生成系统。

Luma Labs开发的AI视频生成工具，可生成物理准确的高质量视频 Dream Machine AI是Luma Labs开发的先进AI视频生成模型，直接在视频数据上训练，支持从文本、图片生成视频。可输出5秒长度、电影质量的动态视频，能理解真实世界物体互动，保持角色一致性与物理准确性，支持匹配场景的自然摄像机运动，降低了创意视频生成门槛。

支持文本、图片生成AI视频的工具，含专属拥抱视频模板 Pollo AI是一款AI视频生成平台，用户可通过文本提示或静态图片输入，快速生成符合指定风格、内容的视频，无需专业视频编辑技能即可操作。平台提供多种定制选项与视频模板，独有AI拥抱视频生成器，可快速制作温馨感人的拥抱主题视频，生成速度快，输出画质清晰，对新手友好，也能满足资深创作者需求。

面向文本到视频生成的稀疏控制框架，不改动原有预训练模型 该框架通过新增额外条件编码器处理稀疏控制信号，无需改动原有预训练文本到视频模型。兼容素描、深度、RGB图像等多种控制输入形式，支持故事板创作、深度渲染、关键帧动画、帧插值等应用，实验验证其在原生和个性化文本到视频生成器上均具备良好泛化能力，可为视频生成提供更精准的控制。

面向开发者的AI视频生成API服务，提供先进视频生成模型能力 Luma Labs推出的Dream Machine API，开放成熟的AI视频生成大模型能力，通过开放API和开源SDK降低开发者接入门槛，支持文本生成视频、图像生成视频、关键帧控制、视频扩展循环、相机运动控制等能力，帮助开发者打造创意AI产品，赋能多样化视觉叙事落地。

支持文本、图像提示生成AI视频的创作者平台，处理高效风格丰富 Hailuo AI.org是专注AI视频生成的线上平台，支持用户通过文字、图像两种提示生成定制化视频内容。不同于仅支持单模态提示的同类工具，它支持双模态输入实现更精准的个性化输出，处理速度较快，覆盖多种艺术风格，可满足不同内容产出需求。

为文本生成视频模型提供精准相机姿态控制的技术模型 CameraCtrl针对文本生成视频领域相机姿态不可控的痛点，通过训练相机编码器实现参数化相机轨迹，完成生成过程的精准相机控制。项目通过多数据集测试验证，证明多样相机分布、相似外观数据可提升模型可控性与泛化能力，实验证实其在精确控制、领域自适应上效果突出。

AI文本生成视频工具，低门槛支持自定义参数生成高质量视频 MorphStudio依托先进AI算法，通过用户输入的文本提示生成高质量视频内容，帮助创作者快速将创意转化为动态视觉内容。无需专业视频制作技能与昂贵设备就可以产出独特视频作品，用户可对生成视频的长度、分辨率、风格等参数自定义调整，让输出更匹配创作需求，是创新型AI视频生成产品。

提供快速文本转视频的企业级安全AI视频生成平台 ClipVideo AI主打快速AI视频生成能力，面向多类型用户提供分层服务，核心优势为企业级安全防护与专属支持，已获得多个不同规模团队的认可。平台提供从基础到专业的阶梯式定价方案，可匹配个人创作者、中小团队乃至大型企业的不同使用需求，支持生成多场景视频内容。

文本到视频扩散模型奖励微调框架，降微调成本提效率 InstructVideo采用编辑式奖励微调方案，复用现有图像奖励模型，通过分段稀疏采样、时间衰减奖励生成奖励信号，相比传统方案减少微调成本，提升微调效率，可提升生成视频的视觉质量，同时保持较强泛化能力，相关技术资料可在官网获取。

支持长文本提示生成AI视频的OpenAI相关文本转视频平台 该平台围绕Sora技术方向打造，具备理解和模拟物理世界运动的能力，目标训练可解决实物交互问题的AI模型。它支持解析长篇文本提示，可根据文本输入生成人物、动物、景观、城市等多类场景视频，当前在复杂场景物理规律还原、因果逻辑理解上仍存在局限。

快手推出的AI视频生成工具，支持生成最长2分钟30帧高质量视频 Kling是快手科技推出的AI文本到视频生成工具，采用3D时空联合注意机制与物理世界模拟技术，区别于多数同类工具仅支持生成短时长低帧率视频的限制，可输出时长更长、帧率更流畅的视频内容，生成内容更符合真实物理规律，在视频真实度、连贯性上具备明显优势。

基于扩散模型的AI人体视频生成项目，无需单人训练即可生成完整图像 VLOGGER结合随机人类3D运动扩散模型与新型扩散架构，通过时空控制增强文本到图像模型能力，可生成长度可变的可控高质量视频。区别于传统方案，无需针对个体训练，不依赖人脸检测裁剪，可生成包含完整躯干、多身份主体的完整图像，适配各类交流人体合成场景。

南大字节联合开发的，解决GAN过度平滑的创新视频超分辨率技术 STAR创新性结合文本到视频扩散模型与视频超分辨率技术，解决了传统GAN视频超分方案存在的细节过度平滑问题。该技术可有效恢复低分辨率视频的细节信息，同时保持处理后视频的时空一致性，适配各类真实世界视频场景，由南京大学、字节跳动等机构联合研发，具备学术创新性与应用潜力。

由Luma AI驱动的AI文本转视频工具，生成物理准确连贯动态视频 Dream Machine AI.online依托Luma AI的先进变换模型，可基于文本生成具备复杂时空运动的视频内容。与常规AI视频生成工具相比，它在动态一致性与物理真实性上表现更突出，生成速度更快，能输出运动连贯逼真、角色一致性高、相机运动自然的视频内容，为内容生产环节提效。

Hotshot开发的AI文本转视频系统，支持高清无水印多宽高比输出 ACT 1（Advanced Cinematic Transformer）是Hotshot Research推出的直接文本到视频合成AI系统，依托大规模高分辨率文本视频语料训练，可实现高保真的空间对齐、时间对齐，输出视频审美质量稳定。支持生成多种宽高比的高清视频，全程无水印，适配不同内容发布平台的需求。