性能先进的视频模型，可在消费级GPU上生成480/720p视频，支持文本到视频、图像转换、编辑以及使用强大VAE的双语文本生成等任务。

提供 56 个替代方案

遵循物理规律，实现逼真的运动效果，精准响应指令以控制角色与动作，生成流畅的人类表情。作为世界模拟器，它可实现合成现实中的探索，无缝融合文本、音频、图像与3D内容。采用Apache 2.0开源协议。

提供 46 个替代方案

W.A.L.T. 是一种基于变压器的扩散建模方法，用于生成逼真的视频。它使用因果编码器将图像和视频压缩到统一的潜在空间，并采用窗口注意力架构实现联合的空间与时空生成建模。

提供 34 个替代方案

一款AI驱动的视频编辑器。通过文本提示创建场景，编辑帧并添加动画、音频等。