官方背景 Hedra 是一家生成式媒体初创，用 Character-3 等全模态模型，把「一张图 + 一段音频 / 文本」变成会说话、会唱、会表演的视频，全程无需拍摄。2025 年它推出 Character-3，用音频驱动...

Vidu 是北京生数科技联合清华大学于 2024 年发布的中国首个长时长、高一致性、高动态性视频大模型，由清华大学计算机系教授、IEEE Fellow 朱军领衔创立。它基于全球首创的 U-ViT 融合架构（Diff...

官方背景 Haiper 是一家伦敦 AI 视觉创作公司，由来自 Google DeepMind 与 TikTok 的博士校友于 2021 年创立，2024 年初完成 1,380 万美元种子轮。其 Haiper 2.0 模型发布后不到 200 天便突破 4...

Seedance 是字节跳动 Seed 团队自研的多模态 AI 视频生成大模型，原生音画一体生成架构，被《黑神话：悟空》制作人冯骥评为'当前地表最强视频生成模型，没有之一'。当前最新为 Seedance 2.5（20...

Veo 3 是 Google DeepMind 推出的旗舰级 AI 视频生成模型，于 2026 年初发布，首次在主流视频模型中实现'原生音频'——在同一生成过程中同步产出画面、环境音效、配乐与对口型台词，无需后期配...

官方背景 FLUX 3 是德国 Black Forest Labs 于 2026 年 7 月 23 日发布的多模态基础模型，由 FLUX.1 / FLUX.2 图像系列升级而来。它不再只是图像生成器，而是用统一架构联合学习图像、视频、音...

官方背景 Viggle 是主打物理感知动作迁移的 AI 视频工具，核心技术是 JST-1 视频基础模型，能理解真实物理运动规律，把任意角色图套进参考视频的姿态里。它同时提供 Discord Bot 与 Web App，20...

Sora 2 是 OpenAI 于 2025 年底推出的旗舰级 AI 视频生成模型，最大突破在于原生同步音频——在同一次生成中同时产出画面、对话、音效与环境配乐，无需任何后期配音。它建立在 Diffusion Transf...

Gen-4.5 是 Runway 于 2025 年 12 月推出的旗舰级 AI 视频生成模型，目前（2026）在 Artificial Analysis 文本生成视频榜单以 1,247 Elo 稳居第一，超越 Kling、Veo、Pika 等主流对手。Runway ...

官方背景 MiniMax H3 是 MiniMax 于 2026 年 7 月 31 日发布、8 月 3 日开源的首款全模态生成模型，也是视频赛道首个达到商用级水平并开放权重的旗舰。它采用 H3-Base（33B Dense）开源 + H3-Co...