产品库

AI驱动的视频生成器，可从文本、图像生成2K视频，角色一致、音频同步

Seedance 2.0 AI是下一代AI视频模型，具备V2运动合成技术。它能够从文本、图像或音频生成2K电影级视频，具有角色一致性、原生音频和视频扩展功能。产品优势包括：支持多镜头角色一致、可实现音频同步、生成速度快30%等。其定位是为内容创作者、电影制作人和营销团队提供强大的视频创作工具。目前有优惠活动，年度计划可享受50%的折扣。

视频生成模型的一致性初始化方法

FreeInit是一个简单有效的方法,用于提高视频生成模型的时间一致性。它不需要额外的训练,也不引入可学习的参数,可以很容易地在任意视频生成模型的推理时集成使用。

Veo 3.2可将图像转为4K视频，支持竖屏，确保角色和背景一致性。

Veo 3.2是一款增强型AI视频生成模型，可基于参考图像创建富有表现力的高质量视频。其重要性在于为创作者提供了新的创作可能性，无论是业余故事讲述者还是专业电影制作人都能从中受益。主要优点包括角色一致性、原生竖屏视频支持、4K上采样等，能实现专业级的视频制作效果。产品背景信息未详细提及价格方面，页面未明确说明是否付费，但有“Credits required”字样，推测可能需要付费使用。产品定位是面向广大视频创作人群，帮助他们更轻松地制作出高质量的视频。

3D一致性的视频生成框架

CamCo是一个创新的图像到视频生成框架，它能够生成具有3D一致性的高质量视频。该框架通过Plücker坐标引入相机信息，并提出了一种符合几何一致性的双线约束注意力模块。此外，CamCo在通过运动结构算法估计相机姿态的真实世界视频上进行了微调，以更好地合成物体运动。

利用LLM提高T2I图像生成一致性

OPT2I是一个T2I优化框架，利用大型语言模型（LLM）提高提示-图像一致性。通过迭代生成修订后的提示，优化生成过程。能显著提高一致性得分，同时保持FID并增加生成数据与真实数据召回率。

Sora2视频生成器，用AI创建角色一致、语音同步的爆款视频

Sora2 Video Generator是一款由Sora 2驱动的视频生成工具，代表了先进的AI视频生成技术。其重要性在于极大地降低了视频创作的门槛，让用户能够快速将创意转化为高质量视频。主要优点包括：实现超逼真视觉效果，光影、动作和材质表现自然；音频与对话同步，增强故事的可信度；具备无与伦比的控制能力，让用户能精准把控创作过程。产品背景依托于强大的Sora 2 AI模型。价格方面，生成一个视频需5个学分，定位为满足各类创作者进行高效、高质量视频创作的需求。

下一代 AI 模型，实现一致性和可控的媒体生成。

Runway Gen-4 是一款先进的 AI 模型，专注于媒体生成和世界一致性。它能够在多个场景中精准生成一致的角色、地点和物体，为创作者提供前所未有的创作自由，适合电影制作、广告及产品摄影等多种应用场景。该产品不需要进行细致的调优或额外训练，简化了创作流程，提升了视频制作的质量和效率。

15秒720p/1080p AI视频生成器，多镜头叙事，音频同步，角色一致

Wan 2.6是一款下一代AI视频生成器，可输出15秒720p/1080p视频。其重要性在于提供了多镜头分镜、视频参考控制、原生音频与运动同步等功能，能生成具有电影级质量的视频。主要优点包括卓越的角色一致性、行业领先的画质、流畅的运动与剪辑级转场等。产品背景是为满足创作者、营销人等对快速生成高质量短视频的需求。价格方面，提供免费试用和多种付费订阅计划，有Basic、Standard、Pro三种套餐，付费订阅可享受更高配额、无水印视频等权益，定位是面向个人创作者到企业团队的视频生成工具。

StreamingT2V: 一致、动态、可扩展的长视频文本生成

StreamingT2V 是一种先进的自回归技术，可以创建具有丰富动态运动的长视频，没有任何停滞。它确保视频中的时间一致性，与描述性文本紧密对齐，并保持高帧级图像质量。

训练无监督一致性文本到图像生成

ConsiStory是一个无需训练就能实现在预训练的文本到图像模型中生成一致性主体的方法。它不需要微调或个性化,因此比先前最优方法快20倍。我们通过引入以主体为驱动的共享注意力模块和基于对应关系的特征注入来增强模型,以促进图像之间的主体一致性。另外,我们开发了在保持主体一致性的同时鼓励布局多样性的策略。ConsiStory可以自然地扩展到多主体场景,甚至可以实现对常见对象的无需训练的个性化。

StoryDiffusion 能够通过生成一致的图像和视频来创造魔法故事。

StoryDiffusion 是一个开源的图像和视频生成模型，它通过一致自注意力机制和运动预测器，能够生成连贯的长序列图像和视频。这个模型的主要优点在于它能够生成具有角色一致性的图像，并且可以扩展到视频生成，为用户提供了一个创造长视频的新方法。该模型对AI驱动的图像和视频生成领域有积极的影响，并且鼓励用户负责任地使用该工具。

字节跳动免费AI视频生成器，支持多模态输入创作2K视频

Seedance 2.0是字节跳动推出的下一代多模态AI视频模型。它最大的优点是支持文本、图像、视频和音频四种输入方式，能在一次处理中就生成带有原生音频的2K分辨率电影级视频，无需额外的后期制作。并且它生成速度快，2K视频生成时间不到60秒，比Seedance 1.5 Pro快30%。价格方面可免费使用，同时提供不同等级的付费计划，适合不同的用户群体，如个人入门者、普通创作者以及专业人士。

Veo 3.1将文本转化为1080p电影视频，有一致角色、现实动作和同步音频。

Veo 3.1是谷歌推出的先进AI视频生成模型，代表了谷歌最先进的视频生成技术。它能从简单文本描述生成1080p视频，具有现实物理模拟、角色一致性和音频同步等特点。其重要性在于简化专业视频制作过程，无需昂贵设备、专业编辑技能和大量时间投入。产品优点包括保持角色一致性、支持多种图像类型、有电影预设、原生1080p分辨率、减少试错、提高运动质量等。价格方面，有不同订阅计划，如Starter Monthly每月43.31 - 99美元，Advanced Yearly每年490 - 310美元，Professional Monthly每月70 - 59.99美元。产品定位是为内容创作者、营销人员、电影制作者、教育者和企业等提供高效、高质量的视频制作解决方案。

内容一致的多场景视频生成

VideoDrafter 是一个内容一致的多场景视频生成框架。它利用大型语言模型（LLM）将输入提示转换为包含多场景脚本的综合脚本，脚本包括描述事件、前景 / 背景实体以及相机运动的提示。VideoDrafter 识别脚本中的共同实体，并要求 LLM 对每个实体进行详细描述。然后，将每个实体的描述输入到文本到图像模型中，以生成每个实体的参考图像。最后，通过考虑参考图像、事件描述和相机运动，通过扩散过程生成多场景视频，扩散模型将参考图像作为条件和对齐进行处理，以增强多场景视频的内容一致性。

Veo 3.1支持1分钟视频生成，角色一致，有电影级预设，免费使用

Veo 3.1是一款用于视频创作的模型，该模型借助谷歌突破性的多提示词技术，革新了视频创作体验。其主要优点包括支持长达1分钟的1080p高清视频生成、完美保持角色一致性、支持多镜头叙事和电影级预设等。产品定位为面向故事创作者、营销人员和内容创作者等，帮助他们轻松获得专业的视频创作效果。价格方面，提供免费使用，也有不同的订阅套餐，如基础套餐每月24.9美元，专业套餐每月40.9美元，高级套餐每月85.9美元，还有不同额度的信用包可供一次性购买。

世界首个HDR AI视频生成器，可创建16位HDR视频，功能强大免费试用。

Ray 3 AI Video Generator是一款在线AI视频生成工具，为用户带来专业级视频创作体验。其采用了先进的HDR视频生成技术，拥有智能推理引擎、多模态输入支持等功能。产品的主要优点在于能够生成高质量的16位HDR视频，具有出色的色彩和对比度，保证角色一致性，提高创作效率。价格方面提供免费试用，用户可通过消耗信用点进行生成操作，也可选择付费的高级版本。定位是满足专业视频创作者、影视制作公司以及普通用户对于高质量视频创作的需求。

Nano Banana Pro是前沿AI图像生成引擎，4K画质、角色一致，推理生成强大。

Nano Banana Pro是BananaPro Studio推出的前沿AI图像生成引擎，它结合了先进的推理能力和卓越的视觉质量。该模型定位于为创作者提供高质量、高效率的图像生成解决方案。其优势在于能够输出增强的4K图像质量，具有工作室级别的输出效果；在无限变化中保持完美的角色一致性；具备先进的推理能力，能理解复杂提示并精准输出；还支持多模态提示，可结合文本、图像和风格参考。价格方面，可免费试用，无需信用卡。

突破性AI图像生成器，支持一键编辑、多图融合和出色角色一致性。

Nano Banana Pro Image Generator是全球首个推理图像引擎，由Gemini 3 Pro Image提供支持。它从基础版本升级为专业版本，能实现像素级完美物理效果、图像一致性和真实世界知识集成。其主要优点包括快速生成图像、角色一致性高、上下文感知编辑等。该产品定位为专业的图像生成和编辑工具，可满足创意工作流程的多种需求。关于价格，页面未明确提及。

AI角色一致性工具，为艺术家、设计师和内容创作者提供免费生成工具。

Ideogram Character是一个AI角色一致性工具，可以从单个参考图像中创建一致的AI角色，适用于艺术家、设计师和内容创作者。该工具利用先进的AI技术，帮助用户快速生成具有视觉连贯性的角色形象。提供免费生成，定位于为创意项目提供一致的视觉解决方案。

创建AI视频，拥有一致性的角色。

Eggnog是一个专注于视频制作的网站，它允许用户创建具有独特面孔和服装的角色，并利用这些角色生成动画视频。Eggnog结合了人工智能技术，使得视频制作流程更加简单和高效。它提供了一个用户友好的界面，让用户可以通过拖放的方式将角色放入故事板，并自动生成视频。这种技术的应用不仅提高了视频制作的效率，也降低了进入视频制作领域的门槛，使得更多非专业人士能够轻松创作视频内容。

Nano Banana Pro AI，快速生成4K图像，角色一致、文本准确，支持专业编辑。

Nano Banana Pro AI是一款革命性的AI图像生成与编辑器，由Gemini 3 Pro提供支持。其主要优点在于解决了当前AI图像生成领域的关键问题，如角色一致性差、生成速度慢和文本识别不准确等。它能够在数秒内生成完美的4K图像，具有极高的角色一致性和文本准确性，生成速度比竞争对手快6倍。产品定位为专业级图像创作工具，适用于广告公司、社交媒体运营者、内容创作者等需要高效、高质量图像生成的用户。目前提供免费试用，具体付费价格未提及。

稳定扩散VAE的一致性解码器

Consistency Decoder是一种用于稳定扩散VAE的改进解码器，提供更稳定的图像生成。它具有2.49GB的模型大小，支持从原始图像进行编码和使用GAN解码以及一致性解码。该产品定位于为图像生成提供更好的解码效果。

提高文本到图像合成质量的一致性蒸馏技术

TCD是一种用于文本到图像合成的一致性蒸馏技术，它通过轨迹一致性函数（TCF）和策略性随机采样（SSS）来减少合成过程中的错误。TCD在低NFE（噪声自由能量）时显著提高图像质量，并在高NFE时保持比教师模型更详细的结果。TCD不需要额外的判别器或LPIPS监督，即可在低NFE和高NFE时均保持优越的生成质量。

快速可控的图像生成与潜在一致性模型

PIXART LCM是一个文本到图像合成框架，将潜在一致性模型（LCM）和ControlNet集成到先进的PIXART-α模型中。PIXART LCM以其能够通过高效的训练过程生成1024px分辨率的高质量图像而闻名。在PIXART-δ中集成LCM显著加快了推理速度，使得仅需2-4步即可生成高质量图像。特别值得注意的是，PIXART-δ实现了在0.5秒内生成1024x1024像素图像的突破，比PIXART-α改进了7倍。此外，PIXART-δ经过精心设计，可在单日内在32GB V100GPU上进行高效训练。具有8位推理能力的PIXART-δ可以在8GB GPU内存约束下合成1024px图像，极大地增强了其可用性和可访问性。此外，引入类似于ControlNet的模块可以对文本到图像扩散模型进行精细控制。我们引入了一种新颖的ControlNet-Transformer架构，专门为Transformers量身定制，实现了显式可控性和高质量图像生成。作为一种最先进的开源图像生成模型，PIXART-δ为稳定扩散模型家族提供了一个有前途的选择，为文本到图像合成做出了重大贡献。

为扩散模型提供一致性分辨率适配

ResAdapter是一个为扩散模型（如Stable Diffusion）设计的分辨率适配器，它能够在保持风格域一致性的同时，生成任意分辨率和宽高比的图像。与处理静态分辨率图像的多分辨率生成方法不同，ResAdapter直接生成动态分辨率的图像，提高了推理效率并减少了额外的推理时间。

使用扩散模型实现时间一致性的人像动画

TCAN是一种基于扩散模型的新型人像动画框架，它能够保持时间一致性并很好地泛化到未见过的领域。该框架通过特有的模块，如外观-姿态自适应层(APPA层)、时间控制网络和姿态驱动的温度图，来确保生成的视频既保持源图像的外观，又遵循驱动视频的姿态，同时保持背景的一致性。

一致的文本到视频编辑的光流引导注意力

FLATTEN是一种用于文本到视频编辑的光流引导注意力插件。它通过在扩散模型的U-Net中引入光流来解决文本到视频编辑中的一致性问题。FLATTEN通过强制在不同帧上的相同光流路径上的补丁在注意模块中相互关注，从而提高了编辑视频的视觉一致性。此外，FLATTEN是无需训练的，可以无缝集成到任何基于扩散的文本到视频编辑方法中，并提高其视觉一致性。实验结果表明，我们提出的方法在现有的文本到视频编辑基准上取得了最新的性能。特别是，我们的方法在保持编辑视频的视觉一致性方面表现出色。

LTX 2是革命性AI视频生成引擎，支持4K、开源且音视频同步。

LTX 2是下一代AI视频创作引擎，采用先进的下一代神经网络架构，具备原生4K分辨率、实时处理能力。其重要性在于为创作者和开发者提供强大的视频创作工具，革新了创意工作流程。主要优点包括闪电般的生成速度、完美的音视频同步、适用于专业生产环境、给予创作者充分的创意控制权、基于开源原则提供透明度和灵活性，以及便于集成的API设计。该产品定位为面向从好莱坞工作室到独立创作者等广大专业人士，助力各行业的创意项目。价格方面，提供免费层级，无需信用卡，同时也有企业支持服务。

生成具有身份一致性和表情丰富性的3D人头模型

ID-to-3D是一种创新的方法，它能够从一张随意拍摄的野外图片中生成具有身份和文本引导的3D人头模型，具有分离的表情。该方法基于组合性，使用特定任务的2D扩散模型作为优化的先验。通过扩展基础模型并添加轻量级的表情感知和身份感知架构，创建了2D先验，用于几何和纹理生成，并通过微调仅0.2%的可用训练参数。结合强大的面部身份嵌入和神经表示，该方法不仅能够准确重建面部特征，还能重建配饰和头发，并可提供适用于游戏和远程呈现的渲染就绪资产。

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。