产品库

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。

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。

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。

免费AI视频生成器，可从文本和图像创建4K电影级视频，具备多镜头叙事等功能

Seedance 3.0是一款免费的AI视频生成器，旨在帮助用户轻松创建4K电影级视频。它提供多镜头叙事、原生音频同步和角色一致性等功能，适用于内容创作者、电影制作人和营销团队。产品的主要优点包括4K高清输出、闪电般快速渲染、多功能风格库和精准的相机控制。目前有限时50%的折扣优惠。

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。

一款由字节跳动推出的 AI 视频生成器，支持多镜头叙事。

Seedance 2.0 是字节跳动推出的下一代 AI 视频生成模型，能够生成连贯的多镜头视频序列，并支持本地音频。该产品适用于广告、教育、社交内容和叙事，具有 30% 的生成速度提升，输出分辨率可达 2K。定价透明，支持按需购买和订阅模式，非常适合个人创作者和小型企业使用。

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。

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。

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。

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。

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。

Kling 4.0可根据文本生成4K电影级视频，支持多镜头叙事和原生音频。

Kling 4.0是一款下一代AI视频模型，由Kling AI Models提供。它能根据简单的文本提示创建专业的电影级视频和4K图像。其重要性在于为内容创作者、电影制作人和营销专业人士提供了强大的视频创作工具，加速了创意工作流程。目前有限时50%的折扣优惠，定位是满足各类专业视频创作需求。

Seedance 2.0可将文本、图像或音频转换为2K电影级视频，支持多镜头叙事。

Seedance 2.0是一款创新的AI视频生成模型。其重要性在于打破了传统视频制作的壁垒，让普通用户也能轻松制作出专业级的视频。主要优点包括能够将文本、图像或音频快速转换为2K电影级视频，具有多镜头叙事能力，人物动作逼真，唇形同步精准。产品背景是随着AI技术的发展，为满足市场对高效、高质量视频制作的需求而推出。目前可免费试用，定位为面向广大视频制作爱好者、内容创作者等群体，帮助他们更便捷地完成视频创作。

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。

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。

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。

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。

LPM 1.0是17B参数模型，实时生成全双工AI视频，低延迟身份一致。

LPM 1.0是一个拥有17B参数的扩散变压器（Diffusion Transformer），专为实时全双工对话式AI视频生成而设计。其主要优点包括低至0.35秒的延迟、身份一致的无限长度视频输出、跨任何角色风格的零样本泛化能力以及多模态条件控制等。背景方面，它是一个学术研究项目，目前没有开源或商业化产品计划。价格上，在发布周年度计划可享4折优惠，购买年度计划可以解锁优先队列并生成更多AI视频。该产品定位为先进的AI视频生成解决方案，为用户提供高效、高质量的视频生成体验。

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。

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。

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。

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。

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。

使用Seedance AI，从文本生成电影级的多镜头视频。先进的AI能创建具有动态镜头运动的连贯叙事。

Seedance AI是一款强大的文生视频模型，能从简单的文本提示词生成高质量、具有叙事性的视频。具有动态镜头运动、1080p高清视频输出等特点，为用户提供了创作电影级视频的便利。

基于预训练的文本到图像模型生成高质量、多视角一致的3D物体图像。

ViewDiff 是一种利用预训练的文本到图像模型作为先验知识,从真实世界数据中学习生成多视角一致的图像的方法。它在U-Net网络中加入了3D体积渲染和跨帧注意力层,能够在单个去噪过程中生成3D一致的图像。与现有方法相比,ViewDiff生成的结果具有更好的视觉质量和3D一致性。

免费在线AI视频生成器，支持文本、图像输入，有多镜头叙事等功能。

Seedance 2 AI是一款先进的在线AI视频生成器。它拥有比前代更出色的性能，能产生更逼真、运动连贯性更好且时长更长的视频。该产品支持多模态输入，包括文本、图像和视频片段，还具备原生音频同步功能。其背景是为满足内容创作、营销、教育等领域对高效视频制作的需求。价格方面，提供免费使用，也有付费的年度计划，用户可享受50%的折扣解锁全部功能。定位是为各类创作者提供强大、易用的免费视频生成工具。

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。

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。