AI视频

共 15 个工具

Kling (快手可灵)

产品介绍 Kling（可灵AI）是中国快手公司于2024年推出的旗舰级AI视频生成大模型，在2026年2月推出了革命性的3.0系列模型矩阵，包括可灵视频3.0、可灵O1和可灵视频3.0 Omni，被业界称为国产AI视频生成技术的重大代际升级。Kling的独特之处在于全球首个统一多模态视频大模型——将参考生视频、文生视频、首尾帧生视频、视频内容增删、风格重绘、镜头延展等多种任务融合于同一模型框架中。 Kling 3.0的核心亮点之一是引入了“智能分镜系统”——传统的AI视频生成一直停留在“抽卡式”的随机输出阶段，创作者很难在多镜头间保持叙事逻辑和角色一致性。Kling 3.0通过视觉思维链（vCoT）技术将长视频分解为逐镜头策划，比单纯视频生成前进了一大步。Kling 3.0系列还推出了“原生音画同步”能力，模型在生成画面的同时生成匹配的音效和语音，视频最长支持15秒连续高清生成。 Kling 3.0 Omni版本支持参考视频驱动——创作者上传参考视频，AI从中提取角色的视觉特征和语音特征，然后在全新的场景中还原角色的一致性表现，这在角色动画、系列化内容创作中极具价值。此外，Kling…

AI视频4,9430

Pika Labs

产品介绍 Pika Labs于2023年底由两位斯坦福大学的博士生创立，连续融资后迅速发展为与Runway齐名的AI视频明星创业公司。Pika的核心特点是面向社交媒体和普通用户的轻量化、快节奏的短视频生成。Pika Labs在2026年最重大的更新是推出了“AI Selves”功能，用户可以创建一个数字孪生版本的自己——包含面部细节特征、说话风格和标志性动作——并且在生成的任何视频中，AI都会确保角色真实反映这个数字人形象。 Pika Labs依托其高度产品画风的平台一直处于流行的中心。Pika依托Discord机器人，用户只要加入Pika的公共或私有Discord服务器并在聊天框中调用命令，几分钟之内即可生成视频并逐帧编辑。直到2025 2026年，Pika进一步升级了独立Web App和移动端App。Pika在2026年4月集成了Veo 3.0模型，显著增强了视频生成质量真实度和稳定性。Pika的核心竞争力是速度快，实测1分钟内就能生成高质量短视频。主要功能文生视频：用户输入文本或提示生成短视频。图生视频：上传参考图片，AI基于图片生成动态视频场景。AI Selves（数字孪…

AI视频4,6170

Stability AI Video

产品介绍 Stability AI凭借着Stable Diffusion系列保持了AI开源图像社区的主导地位，其视频生成产品线是Stable Video Diffusion（SVD）。SVD是一个从单张图片生成短视频的模型，提供了强大的图生视频能力。Stability AI在2026年进一步扩展了SVD生态，推出了Stable Video 3D（SV3D），可以从单一的图像输入中生成高品质的3D视频和网格表示,适合构造物体的多视角呈现。 Stability AI还最新发布了虚拟相机模型Stable Virtual Camera:通过输入几张静态图像或单张照片，模型可以对整个场景的三维深度结构进行推算，并生成旋转平移变焦效果,彻底改变了以前只能生成平面视频的局限。主要功能图生视频（SV3D）：使用Base图像快速生成品质超现实的3D视频展示模型视角和光线转换。Stable Virtual Camera（虚拟相机）：从图片生成3D相机漫游路径。视频风格迁移。功能丰富的API中心供开发者调试和定制。兼容视频扩散社区LoRA适配。开源权重下载。文生视频能力初步整合。使用场景电商3D查…

AI视频4,5300

PixVerse (爱诗科技)

产品介绍 PixVerse是由中国AI公司爱诗科技推出的AI视频生成平台，2026年迎来全面的多模型爆发。PixVerse在2026年3月发布了V6版本，首次在消费级AI视频工具中提供了超过20种以上的电影级镜头控制指令、原生音视频多镜头生成和角色一致性改进。 PixVerse在4月进一步推出了PixVerse C1——全球首款影视行业大模型，支持最长达15秒的1080p高清视频连续生成，原生支持音画同步以及智能分镜，使非专业用户也能高效制作具备电影水准的短片。C1模型提供了多种输入方法：文本生成、图像生成、参考内容生成、首尾帧控制等。另一方面，PixVerse R1实时世界模型则可以在直播式的交互中实现无时长、无空间限制的视频连续生成渲染。用户的语言和语音将实时改变画面中的内容。这种实时生成世界的能力为元宇宙、虚拟现实场景带来变革。主要功能文生视频、图生视频及参考视频生成。20余种电影级镜头控制：PixVerse V6提供文字控制镜头变焦、跟焦、广角长焦组合。多镜头视频原生音频同步：V6版本实现原生音频多镜头无缝同步。实时世界渲染（R1）：动态无限制视频生成，改变视频内容。影…

AI视频4,3780

Mochi 1 (Genmo)

产品介绍 Genmo公司的Mochi 1是2026年最值得关注的开源视频生成模型之一。Mochi 1拥有10亿以上的参数规模，采用非对称扩散变换器AsymmDiT架构，在开源视频模型中以领先的运动保真度和时序一致性闻名。Mochi 1是少数完全开源（Apache 2.0）的高质量视频模型，用户可以下载权重并部署到自有服务器、GPU工作站和容器云中无限生成，无需支付任何API费用。 Mochi 1可生成848×480分辨率、30fps帧率、最长5.4秒的连贯视频，运动质量是目前开源模型的前列。开源的Mochi 1在低成本创意实验室、AI视觉学术研究中广受欢迎。Genmo还提供集成式Web工具，不需要自行部署也可以免费生成。主要功能文生视频：用户通过文字生成富有物理运动真实感的短片。开源可下载（Apache2.0）：任何开发者都能免费下载部署，不受商业套件限额限制。高质量运动帧（30fps）：动态帧非常平滑，克服闪屏感。非对称扩散架构保证高吞吐量。图片转视频：上传照片生成动感。视频转视频：上传参考并对整体风格进行编辑。统一视频条件单元（VCU）：支持图片和文本蒙版的多模式输入无缝交互…

AI视频4,3770

Sora (OpenAI)

产品介绍 OpenAI Sora于2024年2月首次公开模型演示，2026年9月正式发布Sora 2版本，标志着AI视频生成从“画面生成”进入“世界模拟器”阶段。Sora 2在Sora 1的基础上进行了跨越式升级，核心定位是精准模拟真实世界物理规律的多模态生成模型。Sora采用OpenAI自研的Diffusion Transformer（DiT）架构，模型参数量达到百亿级别，训练数据涵盖海量高质量物理模拟视频与真实世界场景。 Sora 2最重大的突破在于对因果物理逻辑的深刻理解。在官方演示中，Sora能够准确模拟球体弹跳的光影轨迹、水面落花的水波扩散、纸飞机投掷后的空气动力学弧线等复杂物理场景。生成结果不再是单纯的像素排列，而是在推理层面理解“物体如何运动和相互作用的规则”。截至2026年5月，Sora 2在Artificial Analysis的AI视频基准测试中位列第一梯队，是唯一具备原生4K输出能力的消费级AI视频工具。主要功能文生视频：用户输入详细的文字描述，Sora 2自动生成包含画面与同步音频的高质量视频。角色一致性：通过角色标识符技术锁定人物特征、服装和姿势，避免多…

AI视频4,2480

Runway

Runway AI 视频生成工具全解析 Runway是一个基于云端的AI创意平台，专注于为视频创作提供先进的生成式AI工具。它支持文本生成视频（Text to Video）、图像转视频（Image to Video）、视频到视频的风格迁移（Video to Video），以及多样化的视频编辑功能[reference:0]。平台集成了其自研的Gen系列模型（从Gen 1到Gen 4.5），并与NVIDIA、Google等公司深度合作[reference:1]。其技术已被应用于电影制作等领域，与Lionsgate等公司建立了合作伙伴关系，并参与了多部奥斯卡获奖影片的制作[reference:2]。在权威的Artificial Analysis Text to Video基准测试中，Runway Gen 4.5以1,247分的Elo评分位居榜首，超过了Sora 2和Google Veo 3.1等模型，展现了其行业领先的技术实力[reference:3]。截至2026年5月，Runway已推出集成Veo 3.1和Kling 3.0 Pro等第三方模型的多模型工作区，用户付费选择更灵活[re…

AI视频4,0550

Veo (Google DeepMind)

产品介绍 Google Veo是Google DeepMind推出的旗舰级AI视频生成模型，隶属Gemini多模态模型生态。Veo 2首次亮相于2025年底，到2026年初已升级到Veo 3.1版本，是Google对抗OpenAI Sora的战略级产品。Veo 3.1的核心突破在于业界领先的4K超高清视频输出和精准的摄像机运动控制能力。 Google DeepMind为Veo设计了专用的训练架构，融合了时间三维卷积与自注意力机制，确保画面在长达数十秒的时间尺度上保持逻辑自洽和视觉连贯。Veo 3.1全面支持16:9横屏和9:16竖屏两种主流格式输出，尤其适配社交媒体的竖屏视频生态。在2026年3月Google Workspace更新中，Veo 3.1被整合进Google Vids产品，用户可以直接在视频协作工具中生成真实的AI数字人形象进行商务演示。Google还计划将Veo 2集成到Gemini应用中，让手机端用户也能通过自然对话生成短视频片段。主要功能文生视频：用户输入详细文字描述生成高质量视频，复杂场景遵循度较高。4K超高清分辨率（Veo 3.1）：最高输出4K品质视频，细…

AI视频3,9600

Vidu (生数科技)

产品介绍 Vidu是生数科技（原智源研究院孵化）自主研发的AI视频生成大模型，定位为全球领先的长视频、音画同步型视频创作工具。Vidu在2026年最大的亮点是推出Vidu Q3模型，实现了16秒音视频同步输出——在同一模型内生成长达16秒的连续视频，并且在视频画面上同时输出了高质量的同步语音、音效和完整的背景音乐配乐。生数科技称其为“声画同出”技术，这标志着AI视频全面进入了叙事化的新阶段。 Vidu于2026年1月上线了“一键生成MV”功能——用户只需提交音乐文件、参考图像及文本指令，系统内置的多智能体协同系统自动拆解专业导演、分镜师、生成师和剪辑合成师等角色，全自动合成一部具有故事线、歌词对应口型匹配的音乐视频。Vidu同时支持国际语言：中、英、日多种语言的语音口型模型，口型匹配精度高达99%，极大地拓展了全球化内容分发的可能。 Vidu现阶段支持最高4K分辨率、长达数秒到16秒的完整短视频生成。主要功能文生视频/图生视频：AI合成内容。16秒声画同出（Q3模型）：在同一段视频中生成完全同步的语音与音效，事件动作匹配音频流。多语言口型匹配：支持中、英、日三种语言的口型同步技术…

AI视频3,6180

Seedance (ByteDance)

产品介绍 Seedance是字节跳动旗下AI视频生成模型，由火山引擎团队研发。Seedance在公开后的半年内即横扫了2026年4月LMArena的全球AI视频榜单，问鼎文生视频、图生视频和视频编辑三大领域的冠军。在这个盲测基准中，Seedance的综合评判得分超过了此前占优势的阿里HappyHorse和快手可灵。 Seedance的模型能力展示了抖音等短视频生态对高效真实内容工具的需求。Seedance 2.0版本的突出表现是：视频动态的美学一致性。在真实感、光感一致性、24帧流畅度、画面色彩和主体逻辑上取得领先。字节跳动还公开了Seedance的部分技术报告，该模型基于字节自研的多模态扩散架构，训练数据聚焦海量的社交媒体真实短视频内容。得益于抖音、TikTok数据生态，Seedance输出的动态视频在运镜、光影捕捉上天然适配短视频平台的审美标准。主要功能文生视频（图生视频）：任何文本/图像均可作为生成来源。超写实的视频审美一致性：位于业界领先地位，在60fps下极其流畅，连贯避免跳帧。视频编辑功能：用户可以通过交互式描述修改已经生成的视频内容（增加道具、换装、改变环境）。首尾…

AI视频3,5930

Runway Gen‑4

产品介绍 Runway是AI视频生成领域的先行者和专业剪辑师的首选平台之一，它的Gen系列模型在过去几年里迭代速度极快。2026年4月发布的Gen 4系列成为Runway历史上最重大的技术突破，核心特征是解决了长期存在的角色一致性难题。在之前的所有AI视频模型中，当通过多个镜头来呈现同一角色时，角色的面部特征、身材、服装细节往往会发生形变或“突变”，使长视频叙事几乎不可能。Runway Gen 4通过视觉参考文本指令的结合，实现了角色、场景、风格在多镜头跨场景中的一致性。 Runway Gen 4支持最长达180秒（3分钟）的视频生成，这极大扩展了AI视频在电影短片、创意广告等叙事领域的应用边界。Gen 4还支持8K分辨率和电影级RAW格式导出，配合新推出的“智能导演”功能可以控制镜头的景深、对焦和色彩分级。在架构性能上，Gen 4 Turbo优化了推理速度，生成10秒高清视频仅需30秒左右。Gen 4的可控性也达到了新高度：用户可以利用初始帧约束开始视频内容，同时配合提示词决定叙事走向。主要功能文生视频+图生视频：通过输入文字或上传图片，快速生成视频片段。多模态生视频：文字+…

AI视频3,5800

Hailuo AI (MiniMax 海螺AI)

产品介绍 Hailuo AI（海螺AI）是MiniMax公司旗下的多模态AI内容创作平台。MiniMax是中国头部AI独角兽之一，海螺AI的视频生成能力在国内外引起了可观影响。2026年3月，海螺02视频模型正式上线，支持1080P分辨率输出，单次时长可达10秒，并且正式开放API服务。在国际权威赛事榜单中，海螺02模型的Elo评分位列全球第二。海螺AI的核心竞争力是保持主体参考能力极强的视频生成：用户只需上传一张图片，锁定画面中的角色、动物主体，再进行文字描述和控制运动，AI能自动生成主体物自然移动的动态效果，在整个视频的多个时间点保持主体不受形变。MiniMax还构建了Media Agent全模态编排能力，支持导演级运镜控制和微表情精细化控制。MiniMax明确了未来路线图将包含4K生成、分层编辑和时间线长视频一致性优化，意味着海螺AI很快将与头部阵营在技术上并驾齐驱。主要功能文生视频：自然语言驱动的AI视频生成。图生视频：上传图片，AI识别目标物体使其生动化。主体参考功能：上传单张图片就锁定角色，在整段视频中保持角色主体不变。1080p高清输出，单次10秒时长。导演级运镜…

AI视频3,4840

即梦 (Jimeng, ByteDance)

产品介绍即梦（Jimeng）是由字节跳动旗下的剪映团队研发并深度整合在剪映（CapCut）移动端App中的AI视频创作模块，定位是大众、轻量、非专业。用户可以在制作视频时选择“即梦AI”，只需要上传素材或者输入简单的提示词，平台将自动生成高质量的自定义场景特效和视觉过渡动画。在抖音和海外版TikTok视频红利生态中，即梦被视为低门槛的视频创作辅助工具。即梦在《2026 AI视频创作工具TOP10》中入选，面向大众的0基础创作者。剪映已拥有超过数亿月活用户，这使即梦成为全球用户使用次数最频繁的AI视频工具之一。主要功能文生视频：在剪映APP对话框输入描述生成几秒的短素材。图生视频：将用户相册里的静态图动态化，自然动画特效融进APP剪辑线。AI智能运镜：自动填充关键帧动画；AI去除路人/物体：几乎不需要用户手动操作。一键添加BGM和配音：同步且不突兀。支持中文提示词的智能特效、滤镜。与剪映庞大的贴纸/滤镜库结合互动。AI智能扩图/图片生成引擎。使用场景主流短视频App用户制作抖音/TikTok内容时，懒得离开剪映单独靠其他工具，直接在剪映完成视频、图像和AI生成所有环节。社交…

AI视频3,2880

Luma Dream Machine

产品介绍 Luma AI的Dream Machine不仅提供视频生成，还提供3D物体建模和场景捕捉（通过NeRF技术）。Dream Machine在2026年初已升级至2.0版本（由全新的Ray 3模型驱动），在真实世界的物理模拟、镜头运动的流畅性和角色一致性方面表现优异。Dream Machine的核心架构是建立在Luma AI原有的3D捕捉技术之上的。由于Luma AI是3D空间计算公司，他们的视频生成模型并不是简单地从2D画面中拼凑像素，而是从多视角、深度信息中去理解空间布局和物体前后的遮挡关系。因此在视频镜头运动中，Dream Machine导致的物体扭曲和变形几乎可以忽略不计，运动轨迹的流畅感非常明显。在2026年第一季度，Luma AI将Dream Machine的2.0版本开放iOS应用，让移动端用户直接在手机上通过文本或图像5秒内生成高清短视频。Dream Machine的提示词理解力也大幅度增强，尤其是在“长提示词的结构化遵循”方面，用户可写出8个以上主体对象和复杂逻辑关系的提示词也不太容易出错。主要功能文生视频：通过文字生成物理上精准的流畅镜头画面。图生视频…

AI视频3,1500

Meta Movie Gen

产品介绍 Meta于2024年底展示了其全新的AI视频生成大模型Movie Gen，随后2025 2026年逐渐部署到Instagram Reels平台，成为社交媒体的原生AI视频创意工具。Movie Gen不像许多工具那样生成5秒无声短片，而是生成最长16秒带有同步音频和音效的1080p高清视频，动作与音频（脚步声、环境音等）精准同步。Meta拥有的海量社交数据注定Movie Gen特别擅长理解符合社交风格和话题的视频内容。 Movie Gen目前主要通过Instagram的Reels编辑器集成，创作者可以在录制原片的基础上通过提示生成动态场景修改或添加全新虚拟背景元素。Meta目前的AI基础设施让Movie Gen的计算处理完全在云端进行，不消耗用户的手机资源，让全世界范围的手机都可以流畅运行。主要功能文生视频（最长16秒）：用户直接在剪辑器输入文字描述生成视频片段。背景替换与场景增加：为Instagram Reels片段替换整个背景。动作与声音同步：脚步声、氛围声和画面动作一一对应。多语言编辑支持：支持跨地区语言提示词。1080p高清数字质量。AI特效库：内置数百种模板风格…

AI视频3,0460