多模态AI公司ElevenLabs推出集成式内容创作平台，融合图像生成、视频制作、声音合成、音乐创作和音效设计功能，实现从剧本到成品视频的一站式闭环生产，帮助创作者和营销人员告别多平台切换，高效完成商业视频制作。
xAI旗下Grok Imagine实现纯文本生成短视频，用户输入描述即可在17秒内获得带音效、动态镜头和专业画质的6-15秒视频，无需图像输入或编辑基础。这一升级打通“想法到成片”环节，以高速优势挑战OpenAI Sora和Google Veo的市场地位。
Adobe发布专业级AI图像生成模型Firefly Image5，实现从“够用”到专业级的质变。新功能包括原生400万像素输出、分层提示编辑、自定义艺术风格模型及AI语音配乐生成，打通图像、视频、音频的AI创作闭环，重新定义创意工作流。
谷歌NotebookLM集成Nano Banana图像生成模型，实现从文本处理到多模态创作的升级，用户可将笔记转化为视频，提升学习与创作效率。本周起向Pro用户逐步推送，预计数周内全面覆盖。
高保真图像到视频生成框架
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
Baidu
128
$2
$20
$6
$24
MCG-NJU
SteadyDancer是一个基于图像到视频范式的强大动画框架，专门用于生成高保真且时间连贯的人体动画。该框架通过稳健的首帧保留机制，有效解决了传统方法中的身份漂移问题，在视觉质量和可控性上表现出色，同时显著减少了训练资源需求。
tencent
混元视频-1.5是一款轻量级高性能视频生成模型，仅用83亿参数就能提供顶级的视频质量，显著降低了使用门槛。它能在消费级GPU上流畅运行，支持文本到视频和图像到视频生成，让每个开发者和创作者都能轻松使用。
meituan-longcat
LongCat-Video是一款具有136亿参数的基础视频生成模型，在文本到视频、图像到视频和视频续帧等生成任务中表现出色，尤其擅长高效、高质量的长视频生成。
QuantTrio
Qwen3-VL-32B-Thinking-AWQ是基于Qwen/Qwen3-VL-32B-Thinking模型的量化版本，是通义系列中最强大的视觉语言模型。该模型具备卓越的文本理解与生成能力、深入的视觉感知与推理能力，支持长上下文和视频理解，适用于图像文本到文本的转换任务。
zambawi
joywan-lora是基于AI Toolkit by Ostris训练的LoRA模型，专门用于文本到视频和图像生成任务，需要配合基础模型Wan-AI/Wan2.1-T2V-14B-Diffusers使用。
spamnco
这是一个基于Wan2.1-T2V-14B模型训练的LoRA适配器，专门用于文本到视频转换任务，为图像生成提供增强功能。该模型使用AI Toolkit训练，需要特定的触发词'diddly'来激活图像生成。
BarleyFarmer
natalie_wan_2.2-lora 是基于 AI Toolkit by Ostris 训练的 LoRA 模型，专门用于文本到视频转换任务，能够有效提升图像生成的质量和效果。
MartinSSSTSGH
这是一个基于AI Toolkit by Ostris训练的LoRA模型，专门用于文本到视频的图像生成任务，使用触发词'Lilly'来生成特定风格的图像内容。
Mark111111111
这是一个基于AI Toolkit by Ostris训练的LoRA模型，专门用于文本到视频转换，为图像生成带来新的体验。该模型需要配合基础模型Wan2.2-T2V-A14B使用。
Ashmotv
animat3d_style_wan-lora是基于AI Toolkit by Ostris训练的LoRA模型，专门用于文本到视频生成，可为图像生成带来独特的3D动画风格效果。该模型基于Wan2.2-T2V-A14B基础模型进行微调，支持多种主流AI平台使用。
Isshywondertwin
Alexis_Noir_Wan2.2-lora 是使用 AI Toolkit by Ostris 训练的 LoRA 模型，专门用于图像到视频转换任务。该模型基于 Wan2.2-I2V-A14B 基础模型，支持高分辨率图像生成。
bigdoinks420518
这是一个使用AI Toolkit by Ostris训练的LoRA模型，基于Wan-AI/Wan2.1-T2V-14B-Diffusers基础模型，主要用于文本到视频生成，在图像生成领域有独特应用价值。
deadpoolx22
这是一个基于AI技术的文本到视频LoRA模型，专门针对alita角色进行优化训练，可用于图像生成等场景，为相关领域的应用提供了便利。
fraemwerk
这是一个基于Wan2.1-T2V-14B模型的文本到视频LoRA适配器，使用AI Toolkit训练，专注于图像生成任务，需要特定触发词'fraemwerk'来激活生成功能。
这是一个基于AI Toolkit by Ostris训练的LoRA模型，专门用于文本到视频的转换任务。模型基于Wan2.2-T2V-A14B架构，支持高分辨率图像生成。
zac
这是一个基于AI Toolkit by Ostris训练的LoRA模型，专门用于图像到视频转换任务，为图像生成提供了新的解决方案。该模型基于Qwen/Qwen-Image基础模型构建，使用John作为触发词来生成图像。
Hikarias
f3rnanda_wan22-lora是基于AI Toolkit by Ostris训练的LoRA模型，专门用于图像到视频的生成任务。该模型使用Wan2.2-I2V-A14B作为基础模型，支持在多种AI工具中使用，包括ComfyUI、AUTOMATIC1111等主流平台。
lichorosario
piccoli_no_style-lora是一个基于图像到视频、LoRA技术的生成模型，使用AI Toolkit训练，以Qwen/Qwen-Image为基础模型，支持多种图像生成场景。
piccoli_no_style-lora 是一个基于图像到视频技术的LoRA模型，使用AI Toolkit进行训练，主要用于图像生成任务，可与多种主流AI工具配合使用。
trinty2535425
这是一个基于Qwen/Qwen-Image基础模型训练的图像到视频LoRA模型，采用LoRA（Low-Rank Adaptation）技术实现高效微调，可用于AI图像生成等相关任务
ComfyUI_StoryDiffusion是一个基于ComfyUI的插件，支持StoryDiffusion和MS-Diffusion模型，用于生成连贯的长序列图像和视频。项目支持多种功能，包括双角色同框、ControlNet控制、Lora加速、文本到图像和图像到图像转换等。
Transformers%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
