视频 AI

VideoMaMa，即视频掩码到磨皮模型（Video Mask-to-Matte Model），是一种创新的视频抠图方法，它将粗略的分割掩码转换为高度精确的Alpha遮罩，而无需真实世界视频数据的标签。它仅在合成数据集上进行训练，利用强大的预训练视频扩散模型作为生成先验，在各种真实世界素材上实现了卓越的零样本泛化能力，包括具有不同运动、光照条件和物体交

SJinn 是一款强大的图像和视频内容创作工具。它使用户能够轻松地将他们的创意愿景变为现实。通过简单地描述所需内容，SJinn 可以利用其先进的功能来创作高质量的图像、视频、音频和 3D 内容，从而实现用户的需求。

该平台提供多种模式，包括代理模式（Agent Mode）和工具模式（Tool Mode），为用户在内容创作过程中提供了

OmniTransfer 是一个基于 Wan 2.1 构建的全能时空视频传输框架。它在一个单一框架内无缝统一了空间外观和时间视频传输任务，包括效果、运动和相机移动。该框架对未见过的任务组合表现出强大的泛化能力，使其成为视频编辑和创作的强大工具。OmniTransfer使用户能够轻松复制复杂的视觉效果、动画静态图像和控制相机运动。

O

FlowAct-R1 是一个新颖的框架，能够生成逼真、响应迅速且高保真的拟人化视频，以实现无缝的实时交互。它集成了 MMDiT 主干和分块扩散强加策略，支持连续、任意持续时间的视频生成，同时保持卓越的时间一致性。该框架能够在 480p 分辨率下以约 1.5 秒的首帧时间稳定生成 25 FPS 的视频。

该模型展现出卓越的行为生动性和

Stable Video Infinity (SVI) 代表了视频生成技术的突破，它能够生成任意长度的视频，同时保持卓越的时间一致性和合理的场景过渡。该系统由 EPFL 的 VITA 实验室的研究人员开发，利用了一种创新的误差循环微调方法，使模型能够在扩展序列中学习并纠正自身的生成错误。与传统方法在长篇内容中质量会下降不同，SVI 可以从流式提示中生成

DreamID-V 是一种人脸交换技术，它弥合了图像到视频的差距，能够在各种场景中实现高保真的人脸交换。它将“身份锚定视频合成器”（Identity-Anchored Video Synthesizer）与图像人脸交换模型 DreamID 相结合，构建了双向四元组对数据（Bidirectional Quadruplet Pair data）。这种方法使

VerseCrafter 是一个可控的视频世界模型，提供对相机和多物体运动的明确的 4D 几何控制。它从大规模的野外数据中学习一个逼真且可控的视频世界先验，能够处理具有强大时空一致性的复杂动态场景。该模型允许用户指定目标相机轨迹和多物体 3D 高斯轨迹，从而在各种动态和静态场景中实现稳健的控制。

VerseCrafter 的框架包括

FacelessVideos 是一款先进的内容创作工具，专门为生成引人入胜、适合病毒式传播的短视频而设计，这些视频面向 YouTube Shorts 和 TikTok 等平台，创作者无需亲自出镜。这个强大的平台利用先进的技术，将简单的文本输入转化为完全实现、专业级的无露脸视频内容。它简化了整个制作流程，从最初的概念生成到最终导出，是独立企业家、教育工作

这款创新工具旨在快速将您的音轨转化为视觉上引人入胜的音乐视频，专门面向那些寻求高质量视觉效果但又不想承担高昂制作成本或复杂工作流程的独立音乐人。用户只需上传他们的音频文件——支持 MP3、WAV、FLAC 或 M4A 格式，大小不超过 100MB，时长不超过 10 分钟——然后从多样化的视觉风格中进行选择。底层技术会分析歌曲的节拍、情绪甚至歌词，以智能

BeautyPlus AI 视频增强器是一款功能强大的在线工具，旨在彻底改变低分辨率的视频素材。它利用先进的处理能力自动提升视频分辨率，将其转换为清晰的高清输出，最高可达惊人的 4K (3840x2160) 画质或不错的 720p 高清画质。此服务消除了因模糊或像素化视频带来的常见困扰，通过智能重建视觉数据，使旧的或拍摄不佳的片段也适合现代观看标准和大

这款创新应用提供由先进生成模型驱动的专业级视频编辑功能，允许用户仅使用自然语言文本命令即可执行复杂场景转换。用户可以轻松移除特定对象、彻底更改视频背景、调整环境天气条件或改变布光设置，所有这些都通过简单的文本描述完成。其核心技术采用像素级语义重建，确保修改在多个帧之间保持连贯性，从而产生无缝且智能的视觉变化，同时保持原始运动和摄像机工作的完整性。

Seedance 1.5 Pro 是一个下一代 AI 视频生成平台，专注于直接从文本或图像提示生成高质量、电影级的带有同步音频的视频。该平台旨在提供专业级的 1080p 视频，具有流畅的动作、视觉一致性和原生的音视频同步，使其适用于广泛的创意和商业项目。它生成多镜头叙事、符合物理规律的运动和沉浸式音效的能力，使其成为寻求精美、可直接发布成果的内容创作者

Wan 2.6 是一款开创性的人工智能视频生成平台，使创作者能够制作可投入生产的视频，具有先进的多镜头叙事、完美音画同步和跨各种宽高比的角色身份一致性。该平台利用复杂的多模态人工智能，无缝融合文本、图像、视频和音频，允许用户以电影级质量生成高保真 1080p 24fps 视频。其在多镜头中保持风格和文本渲染的能力，使其非常适合叙事驱动的内容创作。

Live Avatar 是一个实时、流式传输且长度无限的交互式虚拟形象视频生成框架。它由一个 140 亿参数的扩散模型驱动，该模型在 5 块 H800 GPU 上以 4 步采样达到 20 FPS。该框架支持分块自回归处理，能够生成长达 10,000 秒以上的流式视频。这使得通过麦克风和摄像头进行自然的面对面对话成为可能，虚拟形象会实时响应并立即提供视觉

这款专业在线工具旨在轻松去除 Sora 生成视频上特有的水印。它提供完全简化的基于浏览器的体验，无需安装任何软件或强制创建账户。用户只需输入视频链接，复杂的处理引擎就会接管，承诺在片刻内返回高质量、干净的素材。重点完全集中在速度和简便性上，使用户在处理完成后能快速获得专业外观的输出。

该移除工具的核心优势在于其先进的处理能力，它超

海螺 2.3 是一款尖端的 AI 视频生成器，可将文本和图像转化为具有出色真实感的高质量、电影级视频。它擅长多模态生成，支持文本到视频和图像到视频的创建，是寻求动态视觉内容的创作者、营销人员和专业人士的多功能工具。该平台专为速度而设计，能够以 1080p 分辨率快速渲染，从而大大减少制作时间和简化大规模项目的流程。

海螺 2.3 背

Mago Studio 是一款先进的人工智能视频工具，专为旨在精确、灵活地转换任何素材的创意专业人士设计。它通过视频到视频的工作流程，使用户能够轻松地为实景拍摄或 3D 动画添加风格。该工具特别适用于动画、电影、游戏过场动画和广告制作，有助于降低制作成本并加快创意工作流程。它的功能扩展到使雄心勃勃的视觉概念得以实现，使创作者能够探索独特的审美，提升音乐

Kling 2.6 是 Kling AI 视频生成器的最新迭代版本，旨在将简单的提示和参考图像转换为具有原生音频支持的电影级视频。此版本引入了一项突破性功能：内置音频生成，可以实现同步对话、歌唱和音效，从而简化了从概念到成品的整个创作工作流程。借助 Kling 2.6，创作者可以实现无缝的“文本 ⇄ 视频 ⇄ 音频”循环，从而比以往任何时候都更容易地为

InfiniteTalk 是一个复杂的平台，旨在通过将静态图像转变为动态、专业的会说话的视频，彻底改变视频内容的创建方式。该技术擅长从一张照片生成栩栩如生的数字演示者，并自动为其动画化，使其精确匹配所提供的音轨。其核心优势在于能够实现极其准确的口型同步，确保视觉呈现无缝且高度可信，因此非常适合对演示者一致性至关重要的各种专业应用。

Hunyuan Video 1.5 是一款视频生成模型，仅用 83 亿参数即可提供顶级质量，显著降低了使用门槛。它可以在消费级 GPU 上流畅运行，使每位开发者和创作者都能轻松使用。此存储库提供了生成创意视频所需的实现和工具。该模型实现了最先进的视觉质量和运动连贯性，并支持在消费级 GPU 上高效推理。这一成就建立在几个关键组件之上，包括精心策划的数据