产品库

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。

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。

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。

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。

Kling 5.0 AI可从文本、图像生成4K电影级视频，具备角色一致性等特性

Kling 5.0是一款下一代AI视频模型，能从文本、图像或音频生成4K电影级视频。产品背景可能是为满足创作者、电影制作人和营销团队对高质量视频制作的需求。其主要优点包括具备角色一致性、原生音频同步和唇形同步等功能，输出为全4K且具有逼真的纹理和准确的照明，可直接用于商业广播。该产品限时提供50%的促销优惠，价格方面，生成视频需消耗积分，例如生成一次需40积分。产品定位为面向专业创作者和团队，提供强大的视频制作能力。

先进的AI图像生成与编辑平台，支持高忠实度创作、角色一致性及视频生成。

Nano Banana Pro 是一款专为商业创意工作流设计的高保定AI图像生成和编辑模型。该产品在文本渲染、图像编辑可靠性和输出质量方面表现出色。它不仅支持从文本描述生成图像，还具备强大的图像到图像（Img2Img）处理能力，能够实现白天变黑夜、室内重新设计、图像扩展和对象移除等高级编辑功能。其核心优势在于能够保持跨生成图的角色一致性，非常适合广告、电子商务和品牌内容制作。产品定位为专业创作者和企业的生产力工具，提供从基础版到高级版的多种付费方案，满足不同规模的创作需求。

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。

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。

免费AI角色生成器，单张照片生成多姿态一致角色，无需信用卡。

Consistent Character AI Generator是一款由AI驱动的先进角色图像生成器。它可以从单张照片生成同一角色在不同姿态、表情和场景下的图像，且保持完美的视觉一致性。主要优点在于能够确保角色一致性、支持多姿态生成、输出高分辨率图像等。产品适用于游戏开发者、故事讲述者和创作者等人群。价格方面，提供免费试用，新用户可进行1次免费生成，也有不同的付费套餐，有一次性信用包，无订阅要求，基础包9.9美元，适合个人用户和初学者；Plus包15.92美元（原价19.9美元），适合专业创作者和艺术家；Pro包20.93美元（原价29.9美元），适合团队和企业，信用在购买12个月后过期。

Wan 2.7是通用多模态AI视频生成平台，支持多信号控制与视频延续。

Wan 2.7是一款通用多模态AI视频生成平台，通过图像、视频和音频作为控制信号，实现持续的身份一致性和智能视频延续。与上一版本相比，它在视觉、音频、运动、风格和一致性五个方面进行了全面升级，能够输出更清晰的画面、更自然的动态、更强的风格控制、更好的音频同步和更稳定的主体连续性。产品以免费试用的形式提供给用户，让用户可以体验其强大的功能。其定位是为专业视频创作者提供端到端的高级视频创作解决方案，帮助他们更轻松地创建高质量的视频。

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。

SeedanceGen可基于文本、图像等生成Seedance AI视频，支持多模型。

SeedanceGen是一个独立的AI视频生成平台，可使用Seedance 2.0、Seedance 1.5 Pro等多种视频模型，从文本、图像、视频和音频创建专业视频。其重要性在于为创作者提供了便捷的视频创作方式，具有角色一致性和相机控制等特性。该平台定位为服务创作者、营销人员和团队。价格方面，有免费版本，包含50个免费积分；付费计划价格从0到99.90美元不等。

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。

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。

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。

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。

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。

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。

Seedance 2.0可将人脸融入AI视频，支持多模态输入，有60免费额度。

Seedance 2.0是字节跳动最新的AI视频生成模型，支持多模态输入，可结合图像、视频、音频和文本创建视频。其重要性在于提供了导演级创作控制，能保持角色一致性、复制相机运动并实现音视频同步。产品背景为字节跳动研发，为满足不同需求提供免费、29美元/月的Pro和99美元/月的Business套餐。主要优点包括多模态输入、角色身份持久、音视频同步等。

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。

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。

多视角视频生成同步技术

SynCamMaster是一种先进的视频生成技术，它能够从多样化的视角同步生成多摄像机视频。这项技术通过预训练的文本到视频模型，增强了视频内容在不同视角下的动态一致性，对于虚拟拍摄等应用场景具有重要意义。该技术的主要优点包括能够处理开放世界视频的任意视角生成，整合6自由度摄像机姿态，并设计了一种渐进式训练方案，利用多摄像机图像和单目视频作为补充，显著提升了模型性能。

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。

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。