Sora

魔搭 MotionAgent 是由阿里巴巴达摩院旗下魔搭社区（ModelScope）推出的开源一站式视频生成工具，MotionAgent 集成了大语言模型、文本生成图片模型、视频生成模型和音乐生成模型。

通义万相是阿里云推出的视觉生成大模型，涵盖图像和视频生成。其2.0版本在文生图和文生视频方面进行了重大升级，采用 Diffusion Transformer 架构，提升了模型的灵活性和可控性。

Goku 是香港大学与字节跳动合作开发的视频生成模型，支持文本到视频、图像到视频、文本到图像等多种生成任务。基于 Rectified Flow Transformer 架构，通过多模态训练，Goku能够生成自然互动的广告视频，显著降低制作成本。

 Step-Video 是由阶跃星辰发布、开源的文本到视频预训练模型系列，其中，Step-Video-T2V 是阶跃星辰与吉利汽车合作推出的先进文本到视频模型。

Sa2VA 是字节跳动联合加州大学默塞德分校、武汉大学和北京大学共同推出的多模态大语言模型，是 SAM2 和 LLaVA 结合而成，能实现对图像和视频的密集、细粒度理解。

PixVerse V系列包含从 PixVerse v1 到最新的 v4，这些模型在生成视频时注重画质和动作流畅性，随着版本迭代，性能、功能均有所提升。