AI视频

MoneyPrinterTurbo是一款开源的AI短视频自动生成工具，只需提供视频主题或关键词，即可全自动完成视频文案撰写、素材匹配、字幕生成和背景音乐配置，最终合成为高清短视频。支持Web界面和API两种使用方式，提供多个大语言模型接入选项。内置丰富的视频素材库和背景音乐资源，支持自定义字幕样式和视频参数。采用模块化设计，各环节可独立配置和替换。适合短视频批量生产场景，大幅降低视频制作的人力和时间成本。提供详细的中文文档和社区支持，对中文用户友好。

VibeVoice是微软开源的前沿语音AI项目，包含文本转语音（TTS）和语音识别（ASR）两大核心模块。TTS模块提供实时流式语音合成和高质量离线合成两种模式，支持多种语言和音色。ASR模块可一次性处理60分钟长音频，生成包含说话人、时间戳和内容的结构化转录结果，支持50余种语言。提供0.5B轻量级实时TTS模型，支持多语言和多种风格音色。集成Hugging Face Transformers，可无缝接入现有项目。支持vLLM推理加速，提供微调代码用于自定义训练。

Open-Sora是由HPC-AI Tech开发的开源AI视频生成模型，致力于通过开源方式复现OpenAI Sora级别的视频生成能力。该项目基于扩散Transformer架构，支持文本到视频和图像到视频的生成，能够创建长达数十秒的高质量视频内容。Open-Sora采用高效的训练策略和创新的架构设计，在保持生成质量的同时大幅降低了训练成本。项目持续迭代更新，支持多种分辨率和宽高比的视频生成，是目前开源视频生成领域最受关注的项目之一，为研究者和开发者提供了探索AI视频生成的完整工具链。

Stable Video Diffusion是由Stability AI推出的开源AI视频生成模型，基于Stable Diffusion的图像生成能力扩展到视频领域。该模型采用潜空间扩散架构，能够从单张图片生成高质量的动态视频，也支持文本到视频的生成。SVD模型在大规模视频数据集上训练，具备出色的运动建模能力和视觉质量。项目在Stability AI的generative-models仓库中开源，提供多个版本的模型权重，支持不同分辨率和帧率的视频生成。作为Stable Diffusion生态系统的重要扩展，SVD为开源视频生成奠定了坚实基础。

Wan2.1是由阿里巴巴推出的开源大规模视频生成模型套件，在多个基准测试中超越现有开源模型和商业解决方案。提供1.3B和14B两种参数规模，1.3B模型仅需8.19GB显存即可运行，兼容消费级GPU。支持文本生成视频、图片生成视频、视频编辑、文本生成图片和视频生成音频等多种任务。是首个支持中英文视觉文本生成的视频模型，可直接在视频画面中生成清晰文字。配备高效的Wan-VAE视频编码器，支持1080P视频的任意长度编解码。提供VACE一体化视频创作编辑模型，支持首尾帧控制等高级功能。

HunyuanVideo是腾讯推出的大规模视频生成基础模型框架，拥有超过130亿参数，是目前最大的开源视频生成模型之一。采用创新的双流转单流Transformer架构和多模态大语言模型（MLLM）作为文本编码器，在文本对齐、运动质量和视觉质量方面表现优异。在专业人工评估中超越Runway Gen-3、Luma 1.6等主流商业模型。配备自研3D VAE视频压缩器，支持原始分辨率和帧率的视频训练。提供Prompt Rewrite功能自动优化用户提示词，支持普通和大师两种重写模式。已衍生出图生视频、数字人动画、自定义视频等多个下游模型。

Duix Avatar是一款真正开源的AI数字人工具包，支持离线视频生成和数字人克隆。通过AI算法精准克隆真人外貌和声音，支持文本和语音驱动虚拟形象生成视频。完全离线运行，无需联网即可使用，保护用户隐私。采用AI生成技术替代传统昂贵的3D数字人方案，将制作成本从数十万美元降至约1000美元。已在超过1万家企业中应用，生成超过50万个个性化头像。支持Windows系统本地部署，提供实时交互能力，可用于数字人直播、虚拟客服、在线教育等场景。

CogVideo是由清华大学KEG实验室（THUDM）开发的开源AI视频生成模型，是CogVLM多模态大模型系列的视频生成成员。该模型基于Transformer架构，能够根据文本描述生成高质量的视频内容，支持中英文双语提示词输入。CogVideo经历了多个版本迭代，最新版本在视频质量、时长和语义一致性方面都有显著提升。项目提供了完整的训练和推理代码，支持从预训练模型直接使用或进行自定义微调。作为国内顶尖高校的开源成果，CogVideo在中文场景理解方面具有独特优势。

ModelScope（魔搭社区）是由阿里巴巴达摩院推出的开源AI模型开放平台，是国内最大的AI模型社区之一。平台汇聚了数千个开源AI模型，覆盖自然语言处理、计算机视觉、语音处理、多模态等多个领域。用户可以通过统一的API接口便捷地调用和部署各类模型，也可以上传和分享自己的模型。ModelScope提供免费的在线推理和模型训练资源，降低了AI技术的使用门槛。平台支持主流深度学习框架，提供丰富的模型文档和示例代码，是国内AI开发者和研究者的重要基础设施。

Runway是一家专注于AI视频创作的科技公司，提供从文本生成视频、图像生成视频到视频编辑的全套AI工具。其核心产品Gen系列模型能够根据文字或图片生成高质量短视频，同时提供视频抠图、运动追踪、风格迁移等专业视频编辑功能。Runway将复杂的AI视频技术封装为简单易用的在线平台，让非专业用户也能创作出专业级别的视频内容，是目前AI视频生成领域的领先产品。