包括 Pika 1.0 和 Pika 2.0，这些模型在处理活动主体的真实性方面进行了优化，尽管在复杂行为生成上仍面临挑战。

PixVerse V系列包含 PixVerse V1 和 V2，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，性能有所提升。

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。

Sora 由 OpenAI 于 2024 年 2 月推出，Sora 模型因其生成逼真视频的能力而受到关注，能够根据简短的文字指令生成长达 60 秒的高清视频。

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。