Woosh (Sony AI)
产品介绍 Woosh是由索尼AI研究院于2026年4月正式发布的声效生成基础模型——它是AI音频技术的前沿研究落地产品，也是第一款开源的对专业音效设计场景优化的高采样率音效生成模型[reference:84]。Woosh基于多模态FLUX Kontext扩展的潜在扩散模型（LDM），从零开始针对声效设计场景进行优化，致力于提供高质量的文本到音频、视频到音频生成能力[reference:85]。 Woosh支持高采样率的音频编码/解码器，支持44.1kHz及更高的高保真音质。它为开放研究社区提供了非商业用途的开源模型权重和推理代码，推动音频生成领域的可复制性科学探讨[reference:86]。Woosh还提供了经过蒸馏的轻量化版本，支持低资源环境下的快速推理。 主要功能 文本到音效生成：用户输入文本提示，Woosh生成与之匹配的专业音效——从雨声、脚步声、枪击声、科幻未来的氛围音到各种电影场景的Foley声。 视频到音频生成：在视频文件的分析上，可以基于视频码流的画面和目标动作生成与画面同步的音效素材（视觉到音频的跨模态生成）。 高保真编码器/解码器：提供高质量音频编码器/解码器模型…
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…
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+…
