ComfyUI，一家由开源项目发展而来的AI初创公司，于4月24日宣布完成3000万美元融资，估值达5亿美元。本轮由Craft Ventures领投，Pace Capital等跟投。其核心产品是基于节点的工作流平台，通过模块化框架解决主流扩散模型在生成图像、视频、音频时缺乏精确控制的问题，让用户能精细调节生成过程的每一步，与Midjourney等提示词驱动的“老虎机”式工具形成对比。
字节跳动与南洋理工大学联合推出开源框架StoryMem，通过创新的“视觉记忆”机制，将单镜头视频扩散模型升级为多镜头长视频生成工具，能自动生成超过1分钟、镜头切换自然、角色场景连贯的叙事视频，推动开源AI视频技术向电影级叙事迈进。
清华大学TSAIL实验室与生数科技联合开源视频生成加速框架TurboDiffusion，将AI视频扩散模型的推理速度提升100至200倍，视觉质量几乎无损。该技术针对现有开源模型进行深度优化，在单张RTX 5090显卡上实现从分钟级到秒级的实时生成，标志着AI视频创作进入新时代。
数字头像生成公司Lemon Slice获1050万美元种子融资，投资方包括Matrix Partners、Y Combinator及The Chainsmokers等。公司致力于为AI聊天机器人添加视频功能，其最新扩散模型Lemon Slice-2仅需一张图片即可生成动态数字头像。该模型拥有200亿参数，可在单个GPU上实现每秒20帧的直播视频，并通过API和可嵌入小工具提供服务。
Pusa 是一个新颖的视频扩散模型，支持多种视频生成任务。
加速视频扩散模型，生成速度提升 8.5 倍。
通过扩散模型实现单目视频的相机轨迹重定向。
On-device Sora 是一个基于扩散模型的移动设备端文本到视频生成项目。
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
$2
$20
$6
$24
Baidu
128
$8
$240
52
Bytedance
$1.2
$3.6
4
Gjm1234
Wan2.2是基础视频模型的重大升级版本，专注于将有效MoE架构、高效训练策略和多模态融合等创新技术融入视频扩散模型，为视频生成领域带来更强大、更高效的解决方案。
nvidia
Cosmos-Predict2.5是NVIDIA开发的专为物理AI设计的高性能预训练世界基础模型套件，基于扩散模型技术，能够根据文本、图像或视频输入生成具有物理感知的高质量图像和视频，为自动驾驶、机器人等应用提供世界模拟能力。
Lightricks
基于扩散模型的视频空间分辨率增强工具，专门针对LTX视频模型生成的潜在视频表示进行超分辨率训练
Skywork
SkyReels V2是首个采用自回归扩散强制架构的开源视频生成模型，支持无限长度电影生成，在公开模型中实现了最先进的性能表现。
TaiMingLu
基于稳定视频扩散模型(SVD)构建的视频生成流程，通过关键帧生成时间连贯的视频，用于探索给定场景。
SkyReels V2是一个无限长度电影生成模型，采用自回归扩散强制架构，支持高质量视频生成。
SkyReels V2是一款无限长度电影生成模型，采用自回归扩散强制架构，支持高分辨率视频生成。
SkyReels V2是一个无限长度电影生成模型，采用自回归扩散强制架构，支持文生视频和图生视频任务，能够生成高质量的长视频内容。
SkyReels V2 是一个采用自回归扩散强制架构的开源视频生成模型，支持无限长度电影生成，在公开模型中实现了最先进的性能表现。
SkyReels V2是一个无限长度电影生成模型，采用自回归扩散强制架构，支持720P高清视频生成，在公开模型中达到SOTA性能。
SkyReels V2是首个采用自回归扩散强制架构的开源视频生成模型，支持无限时长电影生成，在公开模型中实现最先进的性能表现。
vfontech
基于扩散模型的视频帧插值工具，支持多输入帧插值并包含不确定性估计
Luo-Yihong
TDM是一种通过轨迹分布匹配技术实现高效少步扩散的模型，可在4步推理内生成高质量视频，相比原始模型实现25倍加速且性能无损。
OPPOer
X2I是一个多模态扩散Transformer模型，能够将多种输入模态（文本、图像、视频、音频、语音）转换为图像输出。
mehmetkeremturkcan
专为生成逼真机器人手术缝合视频而微调的文本生成视频扩散模型，能够捕捉精细的亚缝合动作。
sarthak247
Wan2.1-T2V-1.3B是一个支持文本生成视频的扩散模型，适用于中英文环境，并针对低显存设备进行了量化优化。
EXCAI
一个三维感知的视频扩散模型，支持多样化的视频生成控制
kiwhansong
一种新颖的视频扩散模型，能够根据任意数量的上下文帧生成高质量视频
Yabo
FramePainter 是一个基于视频扩散先验的交互式图像编辑模型，能够实现高质量的视频帧编辑。
%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)
