视频模型
Emu VideoEmu Video 是由 Meta 开发的一款基于人工智能的视频生成工具，能够将文本、图像或图文组合输入转化为视频。Emu Video使用扩散模型根据文本提示创建视频，首先生成图像，然后根据文本和生成的图像创建视频。
CogVideoCogVideo是由智谱 AI 联合清华大学开发的一种开源文本到视频生成模型，基于 Transformer 架构，是一个 94 亿参数的Transformer模型。它通过继承预训练的文本到图像模型 CogView2，并在此基础上进行扩展和训练。
MovieGenMovie Gen 是一套基础模型，旨在生成具有同步音频的高质量视频。这项研究的重点是扩展基于 Transformer 的模型，并使用 Flow Matching 进行训练，在文本到视频合成、视频个性化、视频编辑、视频到