Hunyuan Video 是一个拥有 130 亿参数的开源 AI 文本转视频生成器，轻松从文本提示创建高质量视频。

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。

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。

Show-1 是一种高效的文本到视频生成模型,它结合了像素级和潜变量级的扩散模型,既能生成与文本高度相关的视频,也能以较低的计算资源要求生成高质量的视频。

Pippo 是 Meta Reality Labs 推出的图像到 视频生成 模型，能从单张照片生成 1K 分辨率的多视角高清人像视频。

VideoCrafter2 是一个由腾讯 AI 实验室开发的视频生成模型，旨在克服高质量视频数据获取的局限性，训练出能够生成高质量视频的模型。