腾讯开源混元3D世界模型2.0，支持文本、图片、视频等多模态输入，可自动生成、重建和模拟3D世界。模型支持Mesh、3DGS、点云等多种格式导出，能与游戏开发流程无缝对接，助力快速生成游戏地图与关卡原型，推动AI“造世界”技术发展。
火山引擎发布Seedance 2.0系列API服务，提供先进的视频生成技术，支持文本、图片、音频和视频四种输入方式，具备多模态内容创建与编辑能力，适用于复杂互动和动态场景。该服务旨在帮助企业及个人用户优化工作流程，探索创新应用，同时确保AI视频创作的合规性与安全性。
MiniMax推出MMX-CLI命令行工具，专为AI Agent设计，简化全模态模型调用流程。该工具解决了接口适配繁琐、代码冗余等问题，使Agent能像原生应用一样轻松调度多种AI能力。用户可在主流开发环境中一键调用编程、视频生成等功能，无需额外编写MCP Server或适配复杂接口。
Tubi成为全球首个接入ChatGPT的流媒体平台，用户可通过对话式交互解决“选片焦虑”，告别传统关键词搜索，实现更自然的找片体验。
ngram利用AI将想法等转化为专业视频，掌控全流程
Guideless可将操作流程转化为带旁白视频指南，便于分享与嵌入
AI视频与图像工作室，支持文生视频、图生视频，多模型统一工作流
集成多AI模型，可通过对话生成图像、视频和声音，优化创意流程。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$2.1
$17.5
Alibaba
$2
$20
-
$8
$240
52
$3.9
$15.2
64
$15.8
$12.7
Bytedance
Xai
$1.4
$10.5
256
$0.8
Baidu
Tencent
24
32
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。
NexaAI
Qwen2.5-Omni-3B-GGUF 是一个端到端的多模态模型，能够感知文本、图像、音频和视频等多种模态信息，同时以流式方式生成文本和自然语音响应。
Mungert
Qwen2.5-Omni-7B是一款功能强大的多模态模型，能够感知文本、图像、音频和视频等多种模态信息，并以流式方式生成文本和自然语音响应。
showlab
Show-o2 是一个改进的原生统一多模态模型，利用自回归建模和流匹配技术，支持文本、图像和视频模态的统一理解和生成。
egorchistov
MEMFOF是一种内存高效的光流估计方法，专为全高清视频设计，结合了高精度和低显存使用。
Qwen
Qwen2.5-Omni 是一个端到端的多模态模型，能够感知文本、图像、音频和视频等多种模态，并以流式方式生成文本和自然语音响应。
Qwen2.5-Omni是一款端到端多模态模型，能够感知包括文本、图像、音频和视频在内的多种模态，同时以流式方式生成文本和自然语音响应。
calcuis
基于Lightricks/LTX-Video的gguf量化版本，专注于图像转视频任务，提供即装即用的完整工作流程。
Qwen2.5-Omni是一款端到端多模态模型，能够感知文本、图像、音频和视频等多种模态信息，并以流式方式同步生成文本和自然语音响应。
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。
yeliudev
VideoMind是一个多模态智能体框架，通过模拟人类思维的处理流程（如任务拆解、时刻定位与验证和答案合成）来增强视频推理能力。
aap9002
基于RGB图像与广视角密集光流训练的弯道曲率分类模型，用于视频分类任务。
obvious-research
OnlyFlow是基于光流的视频扩散模型，用于精确控制视频生成中的运动
internlm
InternLM-XComposer2.5-OL是一个支持长时流式视频与音频交互的全方位多模态系统。
DepthCrafter是一个能够为开放世界视频生成时间上连贯的长深度序列的模型，具有精细的细节，无需额外的信息如相机姿态或光流。
benjamin-paine
VidXTend是StreamingT2V第二阶段精简封装的视频扩展流程，用于将16帧256x256像素动画每次扩展8帧（8fps下扩展1秒时长）
cerspense
一款基于Modelscope的无水印视频生成模型，优化16:9画面比例和流畅视频输出
TikTok MCP是一个集成TikTok访问功能的工具，支持分析视频流行因素、获取视频内容以及与视频互动，适用于Claude AI等应用。
manim-mcp 是一个基于 manimgl 库的文本转视频动画生成工具，通过多智能体 LLM 流水线将自然语言描述转换为高质量数学动画，可作为 CLI 工具、AI 代理或 MCP 服务器与 Claude 等助手集成。
一个MCP服务器项目，用于连接CCTV录像系统(VMS)，实现视频流检索、播放控制及PTZ摄像头操作。
%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)
