阿里巴巴12月16日發佈新一代萬相2.6系列模型，針對影視製作和圖像創作全面升級，號稱“全球功能最全的視頻生成模型”。該模型已上線阿里雲百鍊和官網，核心亮點包括國內首個“角色扮演”功能，並支持音畫同步、多鏡頭生成及聲音驅動等，在畫質、音效等方面實現技術突破。
快手旗下可靈AI推出首個“音畫同出”模型可靈2.6，能同時生成畫面、語音、音效和環境氛圍，打通音畫世界。該模型提供“文生音畫”和“圖生音畫”兩種創作路徑，用戶可通過一句話或圖片快速生成完整視頻，提升創作體驗。
愛詩科技推出PixVerse V5.5（國內版“拍我AI V5.5”），實現全量升級並開放體驗。該模型是國內首個支持“多鏡頭+音畫同步一鍵直出”的AI視頻大模型，推動AI生成視頻從“單鏡頭素材”進入“完整敘事短片”階段。基於自研MVL架構，V5.5能在5-10秒內自動完成腳本拆解、分鏡調度及音效生成，顯著提升視頻製作的完整性與效率。
智譜AI發佈清影2.0，支持文本生成1080P高清視頻，並集成CogSound模型自動添加音效，實現視聽一體創作。該產品被視爲國產版“Sora”，爲開發者提供創新AI應用工具。
最新視頻生成模型，更真實、可控，支持同步對話與音效。
Google
$0.49
輸入tokens/百萬
$2.1
輸出tokens/百萬
1k
上下文長度
Openai
$2.8
$11.2
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$6
$24
256
$4
$16
Baidu
128
Bytedance
$1.2
$3.6
4
$2
walterheart
Bark是由Suno創建的基於Transformer的文本轉音頻模型，可生成高度逼真的多語言語音、音樂、背景噪音和音效。
facebook
MAGNeT是一款基於非自迴歸Transformer的文本生成音樂與音效模型，能夠根據文本描述生成高質量音頻樣本。
ylacombe
Bark是由Suno創建的基於Transformer的文本轉音頻模型，能生成高度逼真的多語言語音、音樂、背景噪音和簡單音效。
declare-lab
TANGO是基於潛在擴散模型的文本轉音頻生成工具，能夠根據文本提示生成包括人聲、動物聲音、自然與人工音效在內的逼真音頻。
suno
TANGO是基於指令引導擴散的文本轉音頻模型，能夠根據文本提示生成包括人聲、動物聲音、自然與人工音效在內的逼真音頻。
該項目通過Model Context Protocol（MCP）讓大型語言模型直接理解和生成Max音頻處理軟件中的音效模塊，支持解釋、修改和創建音效模塊，並提供與LLM的交互界面。
%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)
