xAI旗下Grok Imagine新增10秒视频生成功能，视频质量显著提升，画面稳定、细节丰富，音频清晰同步。目前生成过程仍较随机，缺乏计时器选项，输出长度和一致性有待优化，但相关功能预计将很快完善。
快手Kling 2.6版本推出语音与动作控制两大功能，实现原生音频生成并提升复杂动作处理精度。语音控制可生成匹配视频的音效、人声和音乐，支持个性化声音定制。
字节跳动推出“Seedance1.5Pro”音视频创作模型，现已上线豆包平台。该模型实现“文字-画面-声音”一体化生成，能深度理解文本意图，同步创作匹配的画面、音效与人物台词，有效避免音画脱节，并提升人物“开口说话”的自然度，让普通用户也能轻松制作有声视频。
阿里巴巴12月16日发布新一代万相2.6系列模型，针对影视制作和图像创作全面升级，号称“全球功能最全的视频生成模型”。该模型已上线阿里云百炼和官网，核心亮点包括国内首个“角色扮演”功能，并支持音画同步、多镜头生成及声音驱动等，在画质、音效等方面实现技术突破。
在insMind使用Sora 2生成无水印视频，含音效、特效与逼真动作
最新视频生成模型，更真实、可控，支持同步对话与音效。
创造令人惊叹的AI视频，使用VO3 AI，这是一款先进的视频生成器，无缝结合音效、对话和环境音效，提供沉浸式观看体验。
AISFXGen 是一个基于 AI 技术的音效生成器，支持文本和视频生成音效。
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
$0.8
256
Baidu
Tencent
24
32
%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)
