产品库

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。

生成 AI 视频，支持文本、图像、音频或视频输入。

Gemini Omni Flash 是一款由 Google 提供的多模态视频生成模型，能够从文本、图像、音频或视频输入生成高质量的视频。该产品支持 720p、1080p 和 4K 分辨率的视频生成，且能够实现音频与视频的同步生成，适用于各种创意和商业场景。定价为 0.15 美元起，按生成的时长和分辨率计费，无需订阅，适合偶尔使用的用户。

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。

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。

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。

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。

谷歌原生多模态AI视频生成与编辑工具，支持文本、图像和音频一键同步创作。

Gemini Omni Flash 是在 2026 年 Google I/O 大会上推出的原生多模态视频生成与编辑模型。该产品代表了AI视频领域的前沿技术，其核心突破在于摒弃了传统工具分步处理各模态的限制，能够在单个推理周期内同时理解和处理文本、多张图像、音频及视频片段，并生成具备真实物理规律和完美同步音效的电影级视频。产品的市场定位是高效、专业、音视频一体化的创意伙伴。价格方面提供免费额度供用户试用，并设有付费订阅方案（目前提供限时五折优惠），旨在全面降低视频内容创作者的生产门槛与时间成本。

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。

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。

一个多模态 AI 视频生成器，生成同步原生音频的 4K 电影片段。

Gemini Omni 是一个先进的多模态 AI 视频生成器，能够将文本、图像、音频和视频整合到一个模型中，实现高质量的 4K 电影级视频输出。其核心优势在于实时同步音频、角色连续性和便捷的聊天式编辑功能，适合制作广告、短片、教育内容等。定价灵活，适应不同用户需求。

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。

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。

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。

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。

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。

专业wan 2.5 AI视频生成器，音频同步，可打造惊艳视频

Wan 2.5 AI是一款专业的视频生成器，采用革命性的wan 2.5音频同步技术。其重要性在于能实现高效、优质的视频创作。主要优点包括：能够生成高达1080p分辨率的高清视频，音频与视频完美同步，无需手动调整，具有出色的多语言处理能力，可生成长达10秒的视频。价格上，有基础包、专业包和企业包等不同套餐可供选择，性价比高。该产品定位为满足全球用户在社交媒体营销、专业内容创作等方面的视频制作需求。

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。

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。

AI唇同步视频生成器，可将长音频转化为逼真的口型同步视频。

LipsyncX是一款AI唇同步视频生成器，专为长格式播客、有声读物和脚本设计。其重要性在于能够帮助用户快速高效地将各种类型的音频或文本转化为具有自然唇同步效果的视频。主要优点包括快速渲染、工作室级别的质量、支持多种语言、提供多种模型选择以及无缝的视频翻译功能。产品背景是为了满足创作者和团队对于高效视频制作的需求。价格方面，提供免费的2美元起始余额，之后按0.11美元/秒的价格按需付费。产品定位是为创作者和团队提供便捷、高效的视频制作解决方案。

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。

由Google Gemini Omni驱动，可从文本或图像生成带同步音频的1080p视频。

Gemini Omni Video是由Google的Gemini Omni多模态AI驱动的视频生成平台。其重要性在于打破了专业视频制作的门槛，让普通用户也能轻松制作出高质量的视频。主要优点包括：能快速生成具有同步音频的1080p视频，支持多语言唇同步，无需额外的音频后期制作。产品背景依托Google强大的AI技术。价格方面，平台在发布时有50%的折扣优惠。定位是面向广大创作者，提供专业级的视频创作解决方案。

VeoOmni由谷歌AI驱动，可从文本或图像生成1080p电影级视频并同步音频。

VeoOmni是由谷歌最新多模态AI驱动的视频生成平台，基于谷歌统一的多模态Transformer架构，能对文本、图像、音频和视频令牌进行统一处理。其重要性在于让任何人只需通过文本提示就能轻松进行专业的电影级创作。主要优点包括统一的视频和音频生成、原生多语言唇形同步，输出具有高连贯性和电影级质量。目前平台在推出时提供首单AI视频生成50%的折扣优惠，定位是面向广大创作者，降低专业视频创作的门槛。

Wan 2.5支持原生多模态AV生成，可10秒生成1080p视频，音画同步。

Wan 2.5是一款革命性的原生多模态视频生成平台，代表了视频AI的重大突破。它拥有原生多模态架构，支持统一的文本、图像、视频和音频生成。其主要优点包括同步的AV输出、1080p高清电影级画质以及通过先进的RLHF训练实现与人类偏好的对齐。该平台基于开源的Apache 2.0许可证，可供研究社区使用。目前文档未提及价格信息，其定位是为全球创作者提供专业的视频创作解决方案，助力他们在视频创作领域取得更好的成果。

可根据提示、图像、音频和视频参考创建带同步音频的电影级AI视频

Seedance 2 Pro是一款强大的AI视频生成平台，将Seedance 2视频生成模型带给创作者。它具有原生音频视频生成、多模态输入和导演级创意控制等特点。主要优点包括实现音视频完美同步、支持多模态参考输入、自动分镜、输出高质量视频等。该平台适用于创作者和企业，能显著提升视频制作效率和质量。目前处于发布促销阶段，电影级AI视频（带同步音频）享受50%折扣。

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。

通过 EvoLink 集成，生成 10 - 15 秒音画同步写实视频，扩展 AI 视频生产规模

Sora 2 API 是 OpenAI 的旗舰多模态模型，可通过 EvoLink 访问。其主要功能是生成 10 - 15 秒物理规律准确且音画同步的电影级视频。该模型具有音频集成、高级物理引擎、时间连贯性、精细运镜控制、伦理客串系统和 C2PA 水印等技术亮点。其重要性在于可大大缩短视频生产流程，降低废片率，保证资产可直接用于生产。价格方面，基于用量定价，测试版费率会波动，典型成本在 0.10 到 0.50 之间，EvoLink 为企业集成提供批量折扣。定位是满足开发者和企业对高质量、高效率 AI 视频生成的需求。

Ovi AI视频生成器，无需注册，秒速生成物理精确且音画同步的专业视频。

Ovi AI Video Generator是一款先进的AI视频生成平台，利用先进的机器学习技术，能根据文本提示生成物理精确、音画同步且具有逼真效果的专业视频。其重要性在于极大地提高了视频创作的效率和质量，降低了创作门槛。主要优点包括无需注册、闪电般的生成速度、完全免费使用、无隐藏成本、AI模型强大、生成视频可商用等。该产品面向全球创作者，定位是为各行业人士提供便捷高效的视频创作解决方案。价格方面，平台完全免费，无隐藏费用、订阅或使用限制。

AI音乐视频生成器，可自动唇同步，一站式生成音乐、图像和视频。

Musid AI是一款先进的AI音乐视频生成器，结合音乐、视频和图像生成三大AI引擎。它能从文本描述创建完整音乐视频，无需编辑技能。其背景是满足社交媒体创作者和音乐爱好者对高效创作的需求。产品定位为一站式创作平台，有免费额度，无需信用卡，适合不同水平的创作者。

视频到音频生成模型，增强同步性

MaskVAT是一种视频到音频(V2A)生成模型，它利用视频的视觉特征来生成与场景匹配的逼真声音。该模型特别强调声音的起始点与视觉动作的同步性，以避免不自然的同步问题。MaskVAT结合了全频带高质量通用音频编解码器和序列到序列的遮蔽生成模型，能够在保证高音频质量、语义匹配和时间同步性的同时，达到与非编解码器生成音频模型相媲美的竞争力。

Veo 3是一款具有同步音频功能的AI视频生成工具。

Veo 3是最新的AI视频生成工具，能够添加声音效果、对话和环境噪音，帮助用户生动展现故事情节。该产品背景信息丰富，价格合理，定位于提供高质量视频生成服务。