AI 模型

Wan2.5-t2v-preview是阿里通义推出的多模态生成模型，集成文生/图生视频、文生图及图像编辑功能，支持1080P/24fps输出，实现音画同步，可生成匹配人声、音效和配乐。具备运镜控制、元素一致性优化等特点，应用于广告、影视、教育等领域。

wan2.5-i2v-preview是阿里通义万相2.5系列的图生视频模型，属多模态生成模型。它采用统一框架，融合文本、图像、视频、音频生成能力，支持1080P高清视频输出，可实现音画同步，能理解运镜语言，保持元素ID一致性，支持音频驱动视频生成，适用于广告、电商、影视、教育等领域的内容创作。

Doubao-Seedance-1.0-pro是字节跳动推出的视频生成大模型，支持文生/图生视频，输出1080P分辨率，最长10秒。特点：多镜头无缝切换，动态效果自然，主体运动稳定，生成速度快（5秒视频约40秒），成本低（5秒1080P视频3.6元左右）。应用于创意内容制作、营销视频、社交娱乐等场景，通过即梦AI、火山引擎等平台开放。

百度蒸汽机2.0是中文音视一体I2V生成模型，可多人有声视频一体化生成，具多角色协调、音画毫秒级同步、长视频生成及实时交互功能，已落地搜索、营销等场景。

腾讯混元生视频-视频特效是基于腾讯视频生成大模型的API技术服务，具备高质量视频生成与处理能力，支持自然特效（如地震、闪电）和奇幻特效（如魔法护盾）生成，可10分钟快速出片并节省50%制作成本。广泛应用于短视频、影视制作、广告营销、游戏等领域，助力提升创作效率与内容趣味性。

腾讯混元生视频是腾讯推出的AI视频生成与处理技术服务，基于多模态融合技术，支持视频特效、风格化转换及图片动态化等功能。特点包括高连贯性运动生成、精准语义理解，适用于短视频创作、广告营销、教育内容制作等场景，可降低专业制作门槛，提升内容生产效率。

Wan2.1-T2V-1.3B是阿里团队开发的开源文本转视频模型，基于扩散变换器技术，支持消费级GPU部署（8.19GB VRAM），4分钟内可生成5秒480P视频，适用于短视频创作、内容生成等场景。

万相2.1-I2V-14B-480P是阿里通义万相推出的图像转视频模型，140亿参数，基于DiT架构，支持480P分辨率输出，平衡画质与传输速度，适用于手机端短视频创作。操作简便，可在基石智算平台部署，上传图片加提示词即可生成动态视频，降低视频创作门槛。

华为盘古图生视频模型Pangu-MM-M2-AIGVideo-1.0.0，支持多比例5秒视频生成与96帧续写，8推理单元部署

Pangu-MM-M2-Text2Video-1.0.0是华为云2025年4月发布的文本转视频模型，支持16:9、9:16等5种长宽比，可生成5秒时长视频，需8个推理单元部署，适用于多场景短视频创作。

Step-Video-TI2V是阶跃星辰开源的300亿参数TI2V（Text/Image-to-Video）模型，支持生成102帧5秒视频，运动可控且平衡动态与稳定性，适配华为昇腾平台，应用于影视特效、广告创意、短视频生产等领域。

Step-Video-T2V-Turbo是300亿参数文本到视频模型的提速版本，通过推理步骤蒸馏技术将生成速度提升3-5倍，204帧视频耗时从743秒缩至148秒，保持90%质量。适用于短视频创作、广告营销、在线教育、游戏开发及虚拟人直播等场景，开源特性降低技术门槛。

Step-Video-T2V是阶跃星辰开源的文本到视频生成模型，300亿参数，支持中英双语输入，可生成204帧540P视频。特点：高压缩比Video-VAE提升效率，Video-DPO优化质量，Turbo版生成提速3-5倍。应用于广告营销、在线教育、游戏开发、虚拟人直播等场景，降低创作门槛。

CogVideoX-3是智谱AI推出的视频生成模型，支持文生视频、图生视频，采用3D变分自编码器和3D RoPE技术，提升帧间连贯性，避免闪烁。适用于广告制作、电影剪辑、短视频创作等场景。

MiniMax Hailuo-02 1080P是MiniMax发布的视频生成模型，支持原生1080P高清视频直接输出，在场景快速变换中动作流畅且具备细微表情，拥有较强时空一致性和物理逻辑性，实现SOTA指令遵循，适用于视频创作等场景。

MiniMax Hailuo-02 512P是MiniMax公司开发的多模态视频生成模型，采用创新NCR架构，参数和训练数据量分别提升3倍和4倍，效率提升2.5倍，擅长处理体操、杂技等复杂物理场景，支持生成6秒768P/1080P或10秒768P超清视频，在全球视频模型排名第二，价格低于国际同类产品，适用于创意内容制作、广告营销等场景。

MiniMax Hailuo-02 768P是MiniMax推出的AI视频生成模型，为Hailuo 01升级版，支持768P/1080P分辨率视频生成，最长10秒。采用全新DiT架构，指令响应率85%，可处理杂技等高难度物理场景，图生视频/文生视频能力全球排名第二。训练推理效率提升2.5倍，成本低，适用于科普动画、企业宣传等场景。

百度蒸汽机2.0是全球首个中文音视频一体化生成I2V模型，支持多人有声音视频生成，语音与唇形动作精准对齐，中文场景适配度超98%，具备电影级画质与运镜控制。已落地搜索、营销等场景，用户可通过百度搜索或“绘想”平台体验。

MiniMax S2V-01是MiniMax（海螺AI）于2025年1月推出的主体参考视频生成模型，属于AIGC视频创作工具。其核心特点为单图像输入生成动态视频，通过先进算法确保角色在多角度、运动场景中面部特征与身份的一致性，支持文本提示调整姿势、表情及照明。该模型已集成于Video Generation接口，定价4.5元/个，适用于电影特效制作、个性化内容创作、游戏角色动画及社交媒体视频生成等场景，简化视频制作流程并降低成本。

MiniMax T2V-01是海螺AI推出的文本生成视频模型，支持自然语言控制镜头运动，实现电影级运镜，减少随机性，提升视频创作的精准度和专业感

MiniMax I2V-01是MiniMax公司推出的图像转视频（Image-to-Video）模型，属于海螺AI视频模型矩阵成员。该模型支持将静态图像动态化为视频内容，适用于漫画转动画、静态海报动态化等场景，具备流畅、真实、有质感的视频生成能力，中文提示词生成准确率高，最长可支持400万tokens输入。

CogVideoX-Flash是智谱推出的免费AI视频生成模型，支持文生视频、图生视频，分辨率最高4K、帧率60fps，适用于内容创作、教育、广告、社交媒体等领域。

CogVideoX-2是智谱AI推出的文本/图像到视频生成模型，基于3D变分自编码器，压缩视频数据至2%并确保帧间连贯。支持720×480分辨率、6秒8帧视频生成，多推理精度适配不同硬件。应用于影视创作、广告营销、教育及社交媒体内容制作。