MiniMax H3 Max是基于开源权重H3 base进一步训练的变体模型，聚焦于快速的文本到视频、首帧到末帧的图像到视频的生成，生成的视频自带同步音频。该产品可以渲染480P或768P，帧率为24 FPS，时长在5 - 15秒的视频。其优势在于渲染速度快、方向更明确，还支持可视化的成本估算。产品提供年度计费和月度计费，年度计划费用比12个月的月度支付大约便宜50%。它主要定位为一个快速视频生成工具。
需求人群：
["视频创作者：对于视频创作者来说，MiniMax H3 Max可以帮助他们快速将创意以文本或图像的形式转化为视频，节省了大量的拍摄和剪辑时间。其自带的同步音频功能也为视频增添了更多的丰富性。而且多种控制能力能够满足他们对视频画面、情节等方面的创作需求。", "营销人员：营销人员常常需要制作宣传视频，H3 Max的快速生成能力和可视化成本估算功能，使得他们可以在短时间内制作出多个不同版本的视频进行测试，同时控制成本。可复用的提示词也有助于他们快速生成符合特定风格的视频。", "游戏开发者：游戏开发者可以利用H3 Max生成游戏宣传视频，通过输入游戏中的角色、场景等相关信息，生成具有同步音频的宣传视频，增强游戏的吸引力和沉浸感。"]
使用场景示例：
使用视频中的角色动作和相机语言，结合多张图片和一段音频，生成一段像素风侧卷战斗的视频。
将跑道模特身上的服装替换为图片中的服装，确保替换后的服装与模特的动作、光线和原始相机运动自然融合。
根据文本描述的主题、动作和场景等信息，生成一段具有特定风格的5 - 15秒视频。
产品特色：
支持从文本提示生成视频：用户可以通过输入文本描述，如主题、动作、场景、相机设置、灯光和声音等，让MiniMax H3 Max根据这些文本信息生成相应的5 - 15秒视频，且生成的视频自带同步音频，为用户提供了便捷的文本到视频的转换方式。
支持从图像生成视频：用户既可以上传一张起始帧图像，也可以在需要明确结尾方向时同时上传起始帧和结束帧图像，MiniMax H3 Max会基于这些图像生成连贯的视频，实现图像到视频的转换。
提供不同分辨率和时长选择：用户可以根据自身需求选择480P或768P的分辨率，以及5 - 15秒的视频时长，还能选择合适的宽高比，满足多样化的视频制作需求。
可视化成本估算：H3 Max每秒消耗10积分，在提交生成请求前，用户可以清晰地看到每次测试的成本，便于控制预算和合理使用资源。
多种控制能力展示：具备多种控制能力，如可以控制相机移动，让低角度跟踪镜头锁定下坡行驶的踏板车；能将两张静态图像转换为一个连续的视频片段；在不同地点的拍摄中保持角色的面部、发型、服装和比例一致；实现画面与声音的同步生成；在多个镜头中保持统一的视觉风格；按照顺序呈现详细的情节等。
可复用的提示词：提供可复用的提示词，从简短的指令到完整的分镜脚本都有，方便用户快速使用和调整。
使用教程：
第一步，撰写视频描述或添加起始帧：详细描述主题、动作、场景、相机设置、灯光和声音等信息。如果是图像到视频，上传起始帧，必要时添加结束帧。确保每个可见情节都具体明确，这样H3 Max能更好地生成符合预期的视频。
第二步，选择设置并估算积分：选择480P或768P的分辨率、5 - 15秒的时长和宽高比。由于H3 Max每秒消耗10积分，提交前可以看到清晰的成本，便于决策。
第三步，播放、检查和迭代：取消静音，检查视频的动作顺序、主体身份、相机运动和同步情况。每次只更改一个变量，然后再次运行H3 Max进行调整。如果需要多参考输入，可以切换到标准H3。
浏览量：14
HappyHorse是用于文本到视频和图像到视频创作的AI视频生成器
HappyHorse是一个围绕HappyHorse AI和HappyHorse 1.0模型构建的电影级AI视频平台。其重要性在于提供了高质量、可控性强的视频生成解决方案。主要优点包括强大的提示保真度、流畅的运动效果、场景控制能力，能够实现统一的多模态控制和以人类为中心的运动质量。产品背景是在2026年4月的第三方竞技场快照中表现出色。价格方面，有免费试用的入门级套餐，升级后可获得更高的使用量、更快的队列、更长的生成时间和更多的生产能力。定位是为创作者、营销人员、电商团队等提供可控的AI视频生成服务。
文本图像到视频生成模型
Allegro-TI2V是一个文本图像到视频生成模型，它能够根据用户提供的提示和图像生成视频内容。该模型以其开源性、多样化的内容创作能力、高质量的输出、小巧高效的模型参数以及支持多种精度和GPU内存优化而受到关注。它代表了当前人工智能技术在视频生成领域的前沿进展，具有重要的技术价值和商业应用潜力。Allegro-TI2V模型在Hugging Face平台上提供，遵循Apache 2.0开源协议，用户可以免费下载和使用。
通过文本生成高质量AI视频
Sora视频生成器是一个可以通过文本生成高质量AI视频的在线网站。用户只需要输入想要生成视频的文本描述,它就可以使用OpenAI的Sora AI模型,转换成逼真的视频。网站还提供了丰富的视频样例,详细的使用指南和定价方案等。
HappyHorse 1.0可将文本或图像转化为高清AI视频，有免费额度，免信用卡试用。
HappyHorse 1.0是一个基于先进人工智能技术的视频生成平台，其重要性在于为创作者提供了便捷、高效的视频创作途径。该平台的主要优点包括：支持文本和图像转视频，输出高清视频，具备商业使用许可，提供免费额度，无需信用卡即可试用。产品定位为满足创作者和团队对于高质量视频制作的需求，适用于社交媒体内容创作、营销广告等领域。价格方面，有不同质量和时长的套餐可供选择，例如标准质量5秒180积分，10秒360积分；Pro质量5秒240积分，10秒480积分。
更好的文本到视频生成评价工具
该产品是一种用于评价文本到视频生成质量的工具。它引入了一种新的评价指标，即文本到视频评分（T2VScore）。该评分整合了两个关键标准：（1）文本-视频对齐，用于审查视频在呈现给定文本描述方面的忠实度；（2）视频质量，评估视频的整体制作水平。此外，为了评估提出的指标并促进未来对其的改进，该产品提供了TVGE数据集，收集了对2,543个文本到视频生成视频在这两个标准上的人类判断。对TVGE数据集的实验表明，提出的T2VScore在为文本到视频生成提供更好的评价指标方面表现出优越性。
基于HunyuanVideo的视频生成工具，支持图像到视频的转换
ComfyUI-HunyuanVideoWrapper-IP2V是一个基于HunyuanVideo的视频生成工具，它允许用户通过图像提示生成视频（IP2V），即利用图像作为生成视频的条件，提取图像的概念和风格。这项技术主要优点在于能够将图像的风格和内容融入视频生成过程中，而不仅仅是作为视频的第一帧。产品背景信息显示，该工具目前处于实验阶段，但已经可以工作，且对VRAM有较高要求，至少需要20GB。
利用AI技术快速生成视频内容
AI视频生成神器是一款利用人工智能技术，将图片或文字转换成视频内容的在线工具。它通过深度学习算法，能够理解图片和文字的含义，自动生成具有吸引力的视频内容。这种技术的应用，极大地降低了视频制作的成本和门槛，使得普通用户也能轻松制作出专业级别的视频。产品背景信息显示，随着社交媒体和视频平台的兴起，用户对视频内容的需求日益增长，而传统的视频制作方式成本高、耗时长，难以满足快速变化的市场需求。AI视频生成神器的出现，正好填补了这一市场空白，为用户提供了一种快速、低成本的视频制作解决方案。目前，该产品提供免费试用，具体价格需要在网站上查询。
文本到视频生成的开源模型，性能卓越。
Open-Sora-Plan是一个由北京大学元组团队开发的文本到视频生成模型。它在2024年4月首次推出v1.0.0版本，以其简单高效的设计和显著的性能在文本到视频生成领域获得了广泛认可。v1.1.0版本在视频生成质量和持续时间上进行了显著改进，包括更优的压缩视觉表示、更高的生成质量和更长的视频生成能力。该模型采用了优化的CausalVideoVAE架构，具有更强的性能和更高的推理效率。此外，它还保持了v1.0.0版本的极简设计和数据效率，并且与Sora基础模型的性能相似，表明其版本演进与Sora展示的扩展法则一致。
文本到视频生成的创新框架
VideoTetris是一个新颖的框架，它实现了文本到视频的生成，特别适用于处理包含多个对象或对象数量动态变化的复杂视频生成场景。该框架通过空间时间组合扩散技术，精确地遵循复杂的文本语义，并通过操作和组合去噪网络的空间和时间注意力图来实现。此外，它还引入了一种新的参考帧注意力机制，以提高自回归视频生成的一致性。VideoTetris在组合文本到视频生成方面取得了令人印象深刻的定性和定量结果。
开源图像到视频生成模型
Ruyi-Mini-7B是由CreateAI团队开发的开源图像到视频生成模型，具有约71亿参数，能够从输入图像生成360p到720p分辨率的视频帧，最长5秒。模型支持不同宽高比，并增强了运动和相机控制功能，提供更大的灵活性和创造力。该模型在Apache 2.0许可下发布，意味着用户可以自由使用和修改。
AI革命性地改变了内容创作，利用先进的视频生成技术，将文本和图像转化为动态视频，实现视频到视频的创作。探索数字故事讲述的未来。
AI SORA TECH是一款革命性的内容创作工具，利用先进的视频生成技术，将文本和图像转化为动态视频，并支持视频到视频的创作。它可以根据输入的文本或图像生成整个视频或延长现有视频的长度，满足各种视频制作需求。AI SORA TECH的功能丰富，操作简便，适用于专业人士和初学者。
Sora AI 开发的纯文本到视频生成模型
Sora 是 OpenAI 开发的文本到视频生成模型,能够根据文本描述生成长达1分钟的逼真图像序列。它具有理解和模拟物理世界运动的能力,目标是训练出帮助人们解决需要实物交互的问题的模型。Sora 可以解释长篇提示,根据文本输入生成各种人物、动物、景观和城市景象。它的缺点是难以准确描绘复杂场景的物理学以及理解因果关系。
基于 AI 技术生成视频内容的智能服务。
清影 AI 视频生成服务是一个创新的人工智能平台，旨在通过智能算法生成高质量的视频内容。该服务适合各种行业用户，能够快速便捷地生成富有创意的视觉内容。无论是商业广告、教育课程还是娱乐视频，清影 AI 都能提供优质的解决方案。该产品依托于先进的 GLM 大模型，确保生成内容的准确性与丰富性，同时满足用户个性化需求。提供免费试用，鼓励用户探索 AI 视频创作的无限可能。
创新的AI视频生成器，快速实现创意视频。
Luma AI的Dream Machine是一款AI视频生成器，它利用先进的AI技术，将用户的想法转化为高质量、逼真的视频。它支持从文字描述或图片开始生成视频，具有高度的可扩展性、快速生成能力和实时访问功能。产品界面用户友好，适合专业人士和创意爱好者使用。Luma AI的Dream Machine不断更新，以保持技术领先，为用户提供持续改进的视频生成体验。
高保真图像到视频生成框架
AtomoVideo是一个新颖的高保真图像到视频（I2V）生成框架，它从输入图像生成高保真视频，与现有工作相比，实现了更好的运动强度和一致性，并且无需特定调整即可与各种个性化T2I模型兼容。
开源的文本到视频生成模型
CogVideo是由清华大学团队开发的文本到视频生成模型，它通过深度学习技术将文本描述转换为视频内容。该技术在视频内容创作、教育、娱乐等领域具有广泛的应用前景。CogVideo模型通过大规模预训练，能够生成与文本描述相匹配的视频，为视频制作提供了一种全新的自动化方式。
使用简单的提示和图像生成视频片段。
Adobe Firefly 是一款基于人工智能技术的视频生成工具。它能够根据用户提供的简单提示或图像快速生成高质量的视频片段。该技术利用先进的 AI 算法，通过对大量视频数据的学习和分析，实现自动化的视频创作。其主要优点包括操作简单、生成速度快、视频质量高。Adobe Firefly 面向创意工作者、视频制作者以及需要快速生成视频内容的用户，提供高效、便捷的视频创作解决方案。目前该产品处于 Beta 测试阶段，用户可以免费使用，未来可能会根据市场需求和产品发展进行定价和定位。
Seedance 2.0是下一代AI视频模型，可实现文本到视频、图像到视频转换。
Seedance 2.0是一款下一代AI视频模型，专注于实现电影级的文本到视频和图像到视频转换。其重要性在于为创作者提供了强大的视频生成能力，能够生成具有流畅运动、多镜头一致性和高清输出的视频。主要优点包括精确的提示控制、支持参考图像、多镜头叙事、角色一致性和高清输出等。产品背景方面，它为视频创作者提供了一站式解决方案，可替代传统的创意工具栈。价格方面，提供免费试用，核心功能可免费使用，付费计划可解锁更高分辨率、更长视频生成、批量运行和优先队列等功能。产品定位是满足创作者对高质量视频生成的需求，适用于社交媒体广告、故事讲述等场景。
先进的文本到视频生成模型
Allegro是由Rhymes AI开发的高级文本到视频模型，它能够将简单的文本提示转换成高质量的短视频片段。Allegro的开源特性使其成为创作者、开发者和AI视频生成领域研究人员的强大工具。Allegro的主要优点包括开源、内容创作多样化、高质量输出以及模型体积小且高效。它支持多种精度（FP32、BF16、FP16），在BF16模式下，GPU内存使用量为9.3 GB，上下文长度为79.2k，相当于88帧。Allegro的技术核心包括大规模视频数据处理、视频压缩成视觉令牌以及扩展视频扩散变换器。
文本到视频的生成模型
CogVideoX是一个开源的视频生成模型，与商业模型同源，支持通过文本描述生成视频内容。它代表了文本到视频生成技术的最新进展，具有生成高质量视频的能力，能够广泛应用于娱乐、教育、商业宣传等领域。
基于频率分解的身份保持文本到视频生成模型
ConsisID是一个基于频率分解的身份保持文本到视频生成模型，它通过在频域中使用身份控制信号来生成与输入文本描述一致的高保真度视频。该模型不需要针对不同案例进行繁琐的微调，并且能够保持生成视频中人物身份的一致性。ConsisID的提出，推动了视频生成技术的发展，特别是在无需调整的流程和频率感知的身份保持控制方案方面。
利用AI技术，将文字和图像转化为创意视频。
通义万相AI创意作画是一款利用人工智能技术，将用户的文字描述或图像转化为视频内容的产品。它通过先进的AI算法，能够理解用户的创意意图，自动生成具有艺术感的视频。该产品不仅能够提升内容创作的效率，还能激发用户的创造力，适用于广告、教育、娱乐等多个领域。
AI驱动的视频生成工具，一键生成高质量营销视频
小视频宝（ClipTurbo）是一个AI驱动的视频生成工具，旨在帮助用户轻松创建高质量的营销视频。该工具利用AI技术处理文案、翻译、图标匹配和TTS语音合成，最终使用manim渲染视频，避免了纯生成式AI被平台限流的问题。小视频宝支持多种模板，用户可以根据需要选择分辨率、帧率、宽高比或屏幕方向，模板将自动适配。此外，它还支持多种语音服务，包括内置的EdgeTTS语音。目前，小视频宝仍处于早期开发阶段，仅提供给三花AI的注册用户。
Freepik AI 视频生成器，基于人工智能技术快速生成高质量视频内容。
Freepik AI 视频生成器是一款基于人工智能技术的在线工具，能够根据用户输入的初始图像或描述快速生成视频。该技术利用先进的 AI 算法，实现视频内容的自动化生成，极大地提高了视频创作的效率。产品定位为创意设计人员和视频制作者提供快速、高效的视频生成解决方案，帮助用户节省时间和精力。目前该工具处于 Beta 测试阶段，用户可以免费试用其功能。
Muse Video可将文本、图像或视频生成、混音和编辑成带同步音频的电影级视频。
Muse Video是Meta Superintelligence Labs构建的下一代生成式视频模型。它能根据文本提示、静态图像或现有剪辑生成带有原生同步音频的精美镜头。其主要优点包括原生同步音频、符合现实物理规律、可重复使用角色身份和剪辑混音等。目前有Top tier Models限时40%折扣活动，但未提及常规价格。该模型定位为高端视频生成工具，在文本到视频模型中处于领先梯队。
海螺AI在线视频生成器，用文字创造视频。
Hailuo AI是由MiniMax开发的一款先进的人工智能生产力工具，旨在改变视频内容创作的方式。这一创新平台允许用户通过简单的文字提示生成高质量的视频，特别适合营销人员、教育工作者和内容创作者使用。Hailuo AI以其快速的处理时间和广泛的艺术风格而表现出色，结合文本和图像提示的功能可实现高度个性化的输出，因此对追求灵活性的创作者很有吸引力。
文本和语音驱动的人体视频生成，从单张人物输入图像生成视频。
VLOGGER是一种从单张人物输入图像生成文本和音频驱动的讲话人类视频的方法，它建立在最近生成扩散模型的成功基础上。我们的方法包括1)一个随机的人类到3D运动扩散模型，以及2)一个新颖的基于扩散的架构，通过时间和空间控制增强文本到图像模型。这种方法能够生成长度可变的高质量视频，并且通过对人类面部和身体的高级表达方式轻松可控。与以前的工作不同，我们的方法不需要为每个人训练，也不依赖于人脸检测和裁剪，生成完整的图像（而不仅仅是面部或嘴唇），并考虑到正确合成交流人类所需的广泛场景（例如可见的躯干或多样性主体身份）。
文本到视频生成领域的先进模型架构
Open-Sora Plan v1.2是一个开源的视频生成模型，专注于文本到视频的转换任务。它采用3D全注意力架构，优化了视频的视觉表示，并提高了推理效率。该模型在视频生成领域具有创新性，能够更好地捕捉联合空间-时间特征，为视频内容的自动生成提供了新的技术路径。
用AI重新定义视频创作，从文字到视频，让创作变得简单。
海螺视频App是一款基于AI技术的视频创作工具，用户可以通过文字描述或上传图片快速生成视频。该产品利用AI技术降低了视频创作的门槛，使创作变得简单高效。适合创意表达、生活记录等多种场景，具有便捷性和高效性。产品目前主要面向移动端用户，提供App Store和安卓应用商店的下载选项。
Hailuo 03 是下一代 AI 视频生成器，可秒将文本和图像转为电影级视频
Hailuo 03 是一款面向全球创作者、工作室和品牌的 AI 视频生成器，其核心是先进的视频生成模型。它将前沿的视频生成技术与直观的工作流程相结合，使任何人都能大规模制作专业品质的视频内容。其优势明显，如生成速度极快，能在数秒内完成高质量视频剪辑；支持文本到视频、图像到视频的转换，对复杂叙事、相机运动和艺术方向的理解精准；具备精确的运动控制功能，能让用户像专业摄影师一样指导视频创作；输出的视频可直接用于商业，内置内容安全防护和水印控制；支持多语言提示，让全球用户都能轻松使用。价格方面，可免费生成视频，具体付费模式未提及。该产品旨在为需要快速将创意转化为可发布视频草稿的团队和个人提供解决方案，无需复杂的时间线编辑和渲染队列，大大提高了创作效率。
© 2026 AIbase 备案号：闽ICP备08105208号-14