产品库

基于Omni AI Model的多模态AI视频生成器，支持多形式创作编辑。

Omni AI Video是基于强大的Omni AI Model构建的先进多模态视频生成系统。其重要性在于为创作者提供了一站式的AI视频创作解决方案。主要优点包括支持文本、图像、音频和视频输入，实现统一的多模态处理；无需切换工具，提高创作效率；输出高质量视频，适用于多种商业场景。产品背景是满足创作者对高效、多功能AI视频创作工具的需求。价格方面，有每日免费信用额度1 Credit，同时有不同的付费计划可供选择，价格即将上调，现在订阅可锁定低价。定位为面向创作者的一站式AI创意平台，提供7种顶级AI模型用于视频、图像、音乐和语音生成。

Ima Studio的多模态AI平台，用文本提示生成图、视频和音频

Ima Studio Claw是一个多模态AI创作平台，集成40种AI模型，可实现图片、视频和音乐的全链路创作。其重要性在于为用户提供了便捷、高效的创作方式，用户只需简单的文本提示就能生成所需内容。主要优点包括智能模型选择、自动推荐最佳模型、全链路交付等。产品背景信息暂未提及，价格方面提到有积分充值，推测可能是付费模式，定位为满足用户多样化的创意创作需求。

AI辅助视频创作，让故事生动起来。

寻光视频创作平台是一个利用人工智能技术，为用户提供全新视频创作模式的在线服务。它通过剧本到分镜的辅助，角色库管理，视觉素材创作，以及视频内容编辑等功能，帮助用户快速实现视频制作。该平台的主要优点包括高效的创作流程、个性化的角色定制、以及先进的AI技术，使得视频制作更加便捷和创新。

시댄스 2.0是多模态AI视频生成器，可结合图、视频、音频制作视频。

시댄스 2.0是一款创新的多模态AI视频生成平台。它的重要性体现在打破传统视频制作的限制，提供了更为丰富和灵活的创作方式。其主要优点包括支持多模态输入，用户可上传多种类型的素材；拥有强大的参考系统，能精确控制资产的使用方式；具备多种核心功能，如动作复制、视频扩展等，可生成专业级视频。该产品的背景是顺应AI技术在视频创作领域的发展趋势而诞生。关于价格，文档未明确提及，定位是为有视频创作需求的用户提供高效、创新的创作工具。

在SeedVideo用Seedance 3.0创作电影级AI视频，支持多模态输入与精准控制

SeedVideo是一个集成了Seedance 3.0的AI视频创作平台，将Seedance 3.0与辅助AI工具整合在统一创作工作台中。该产品的主要优点是支持多模态输入，包括图片、视频、音频和文本，能够精准参考控制，实现电影级AI视频的生成、延展与编辑，保持视频中人物脸部、服装、文字、场景与视觉风格的稳定一致。其价格采用积分制计费，有基础版（9.99元/月）、专业版（29.99元/月）和旗舰版（79.99元/月）三种套餐可供选择，适合不同需求的创作者，从个人用户到大型企业和专业工作室都能找到合适的方案。

多模态多视角视频数据集和基准挑战

Ego-Exo4D 是一个多模态多视角视频数据集和基准挑战，以捕捉技能人类活动的自我中心和外部中心视频为中心。它支持日常生活活动的多模态机器感知研究。该数据集由 839 位佩戴摄像头的志愿者在全球 13 个城市收集，捕捉了 1422 小时的技能人类活动视频。该数据集提供了专家评论、参与者提供的教程样式的叙述和一句话的原子动作描述等三种自然语言数据集，配对视频使用。Ego-Exo4D 还捕获了多视角和多种感知模态，包括多个视角、七个麦克风阵列、两个 IMUs、一个气压计和一个磁强计。数据集记录时严格遵守隐私和伦理政策，参与者的正式同意。欲了解更多信息，请访问官方网站。

全球首个多代理AI视频创作平台

ReelMagic是Higgsfield AI推出的全球首个多代理AI视频创作平台，它能够将故事想法转化为即看即用的长篇内容。该平台不需要复杂的工作流程或多个订阅服务，只需用户的想象力。ReelMagic由AI创意代理驱动，这些代理专门负责从编剧、角色表演、场景设计、摄影到编辑的每个制作步骤，并由AI制作经理指导。它为创作者提供了最佳的创意AI模型，包括Higgsfield AI自己的基础世界模型，所有这些都在一个单一的平台上。ReelMagic将故事想法转化为感觉像是直接来自工作室制作的即看视频，用户只需提供愿景，ReelMagic处理其余部分。Higgsfield AI由硅谷先锋的独特合作创立，并得到技术和媒体领域顶级投资者的支持。

多模态驱动的定制视频生成架构。

HunyuanCustom 是一个多模态定制视频生成框架，旨在根据用户定义的条件生成特定主题的视频。该技术在身份一致性和多种输入模式的支持上表现出色，能够处理文本、图像、音频和视频输入，适合虚拟人广告、视频编辑等多种应用场景。

统一多模态视频生成系统

UniVG是一款统一多模态视频生成系统，能够处理多种视频生成任务，包括文本和图像模态。通过引入多条件交叉注意力和偏置高斯噪声，实现了高自由度和低自由度视频生成。在公共学术基准MSR-VTT上实现了最低的Fr'echet视频距离（FVD），超越了当前开源方法在人类评估上的表现，并与当前闭源方法Gen2不相上下。

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。

多模态综合理解与创作

DreamLLM是一个学习框架，首次实现了多模态大型语言模型（LLM）在多模态理解和创作之间的协同效应。它通过直接在原始多模态空间中进行采样，生成语言和图像的后验模型。这种方法避免了像CLIP这样的外部特征提取器所固有的限制和信息损失，从而获得了更全面的多模态理解。DreamLLM还通过建模文本和图像内容以及无结构布局的原始交叉文档，有效地学习了所有条件、边缘和联合多模态分布。因此，DreamLLM是第一个能够生成自由形式交叉内容的MLLM。全面的实验证明了DreamLLM作为零样本多模态通才的卓越性能，充分利用了增强的学习协同效应。

AI多模态数据绑定

ImageBind是一种新的AI模型，能够同时绑定六种感官模态的数据，无需显式监督。通过识别这些模态之间的关系（图像和视频、音频、文本、深度、热成像和惯性测量单元（IMUs）），这一突破有助于推动AI发展，使机器能够更好地分析多种不同形式的信息。探索演示以了解ImageBind在图像、音频和文本模态上的能力。

多模态AI开发助手

DevMind AI旨在无缝整合文本、图像、视频、音频和代码等多种模型的推理能力，帮助您像专业人士一样进行开发！DevMind AI通过AI功能增强您的项目。

大型多模态模型中视频理解的探索

Apollo是一个专注于视频理解的先进大型多模态模型家族。它通过系统性地探索视频-LMMs的设计空间，揭示了驱动性能的关键因素，提供了优化模型性能的实用见解。Apollo通过发现'Scaling Consistency'，使得在较小模型和数据集上的设计决策能够可靠地转移到更大的模型上，大幅降低计算成本。Apollo的主要优点包括高效的设计决策、优化的训练计划和数据混合，以及一个新型的基准测试ApolloBench，用于高效评估。

一个基于 AI 的电影制作工具，助力创作。

Flow 是一个为创作者打造的 AI 电影制作工具，利用 Google DeepMind 的先进模型，用户可以轻松创建出色的电影片段、场景和故事。该工具提供了无缝的创作体验，支持用户自定义资产，或在 Flow 中生成内容。定价上，Google AI Pro 和 Google AI Ultra 两个计划提供不同的功能，适合不同需求的用户。

AI视频生成工具，一键创作音乐视频

Kimi创作空间是Kimi最新推出的AI视频生成工具，用户可以非常简单地创作个性化音乐视频。支持12种预设风格模板，也支持用户通过自定义创作来制作独一无二的视频内容。用户每天可以免费生成总时长为100秒的视频，满足日常的创作需求。Kimi创作空间让视频制作变得快速、便捷，无需专业技能即可创作出高质量、逼真效果的音乐视频。

基于脚本生成极长视频的多模态生成模型

NUWA-XL是微软开发的前沿多模态生成模型，能够根据提供的脚本以“粗到细”的过程生成极长视频。该模型能够产生高质量、多样化且有趣的视频剪辑，并具有真实的镜头变化。

面向长期视频理解的大规模多模态模型

MA-LMM是一种基于大语言模型的大规模多模态模型,主要针对长期视频理解进行设计。它采用在线处理视频的方式,并使用记忆库存储过去的视频信息,从而可以在不超过语言模型上下文长度限制或GPU内存限制的情况下,参考历史视频内容进行长期分析。MA-LMM可以无缝集成到当前的多模态语言模型中,并在长视频理解、视频问答和视频字幕等任务上取得了领先的性能。

AI视频制作软件

Raw Shorts是一款人工智能视频编辑器和文本转视频制作工具，帮助企业制作网页和社交媒体的解说视频、动画和促销视频。它使用AI技术，将您的视频剧本转化为初稿，并提供可定制的编辑器供您使用。Raw Shorts拥有强大的功能，包括文字转语音、动画图表以及超过100万个商业许可和创意共享的视频、照片、图标和动画素材。

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。

使用 Veo 4 创建电影级 AI 视频，结合文本、图像、视频和音频。

Veo 4 是一款多模态 AI 视频创作工具，允许用户结合文本、图像、视频和音频生成高质量的电影内容。其重要性在于提供了一种全新的创作方式，使得视频制作变得更直观和高效，适用于广告、教育、社交媒体等多个领域。Veo 4 具备原生音频生成、场景一致性维护及精确动作复制等强大功能，适合各类创作者使用。产品定价采用年费模式，现有限时优惠可享受 50% 折扣。

基于多模态的 AI 模型，无缝进行图像、视频、音频和代码的推理

Google Gemini 是一款基于多模态的 AI 模型，能够无缝进行图像、视频、音频和代码的推理。Gemini 是 DeepMind 推出的最先进的 AI 模型，能够在 MMLU（大规模多任务语言理解）等各项测试中超越人类专家。Gemini 具有出色的推理能力，在各种多模态任务中取得了最先进的性能。

AI驱动的视频创作工具，革新媒体制作。

MotionX是一个利用人工智能技术来重新定义电影、电视和其他媒体制作未来的平台。它由一群AI专家和创意人士组成，致力于通过尖端技术和前瞻性设计，为娱乐行业打造沉浸式和开创性的内容。

AI剪辑，云剪辑，海量模板，让视频创作更简单。

模力视频是一个提供AI剪辑和云剪辑服务的视频制作平台，拥有海量的视频模板，支持电商种草、企业宣传、新媒体运营等多种场景应用。平台通过智能操作带来高效的视频创作体验，用户可以快速选择合适的模板进行视频制作，满足不同行业和场景的需求。

AI驱动视频创作平台

光映AI是一个利用人工智能技术帮助用户快速创建热门视频的平台。它通过AI技术简化了视频编辑过程，使得用户无需视频编辑技能也能制作出高质量的视频内容。该平台特别适合需要快速制作视频内容的个人和企业，如社交媒体运营者、视频博主等。

大型多模态模型，处理多图像、视频和3D数据。

LLaVA-NeXT是一个大型多模态模型，它通过统一的交错数据格式处理多图像、视频、3D和单图像数据，展示了在不同视觉数据模态上的联合训练能力。该模型在多图像基准测试中取得了领先的结果，并在不同场景中通过适当的数据混合提高了之前单独任务的性能或保持了性能。

字节跳动Seedance 2.0 API，支持多模态输入生成视频，有原生音频等功能。

Seedance 2.0 API是字节跳动推出的多模态视频AI模型，可通过PoYo平台直接使用，无需等待列表。该模型采用双分支扩散变压器架构，能够在一次传递中同时生成视频和音频，实现统一的音频 - 视频联合生成。它支持文本、图像、视频和音频的多模态输入，可实现多镜头叙事和8种语言的唇形同步。价格方面，从每秒0.04美元起，不同分辨率和输入情况价格有所不同。其定位是为创作者提供一种高效、便捷的视频生成解决方案，让用户能够轻松生成具有电影质感的视频。

热搜/文本一键成片，热点视频从此快人一步

度加创作工具是一款能够通过文本一键生成热点视频的AI创作工具。它可以帮助用户快速将热门话题转化为视频内容，提高创作效率。AI成片具有智能剪辑、字幕生成、音效配乐等功能，用户只需提供文本，即可生成精彩的短视频。AI成片定价灵活，提供免费试用和付费套餐，适合个人创作者和企业用户。

一站式AI创作平台，可制作动漫视频、角色、故事板等。

Arcloop AI是一款强大的一站式AI创作平台，专注于动漫领域。其重要性在于为动漫创作者提供了便捷、高效的创作工具，降低了创作门槛。主要优点包括能够快速生成高质量的动漫视频、支持角色聊天和世界构建、提供专业的脚本写作和视频生成功能等。产品背景方面，它旨在满足动漫创作者对于高效创作工具的需求。关于价格，文档中未提及，推测可能有免费试用或付费模式。产品定位是为动漫创作者、爱好者提供全面的创作解决方案。

首个全面评估多模态大型语言模型在视频分析中的性能基准。

Video-MME是一个专注于多模态大型语言模型（MLLMs）在视频分析领域性能评估的基准测试。它填补了现有评估方法中对MLLMs处理连续视觉数据能力的空白，为研究者提供了一个高质量和全面的评估平台。该基准测试覆盖了不同长度的视频，并针对MLLMs的核心能力进行了评估。