Show-1

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。

Runway Gen系列包括 Runway Gen-2 和其后续升级版本 Runway Gen-3，这些模型专注于从文本到视频的转换，展示了在物体运动和场景生成方面的进步。

Open-Sora 是一个致力于高效生成高质量视频的开源项目。该项目由 Colossal-AI 团队开发，旨在通过开源的方式，简化视频生成的复杂性，并为所有人提供一个创新、创造和包容的平台。

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。

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。

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。