一项针对12款文本转视频AI工具的评测显示，Manus 以"结构优先"的编排能力在多场景长脚本中表现最强，结构漂移风险"非常低"，起价 $17/月（按年计费）。HeyGen 凭借头像真实感与唇同步适合主讲人视频，Runway Gen 4.5 擅长电影级视觉但对结构化叙事较弱，Sora 2 视觉保真度领先却几乎无结构控制。评测使用90秒多场景产品说明等结构化脚本，重点考察场景间的一致性与叙事逻辑。
SGLang-Diffusion发布六项生产级优化，包括Token级序列分片替代帧级方案，消除14.3%的padding开销并将通信量降至0.875倍；并行折叠技术解耦文本编码器与DiT的并行策略；并行VAE实现分布式编解码，消除高分辨率视频内存瓶颈。同时修复Cache-DiT多请求稳定性问题，优化视频保存I/O性能，并针对WanVideo融合LayerNorm内核。这些改进显著提升了视频生成框架的可扩展性、效率与稳定性。
作者在 Manus 和 Synthesia 上用完全相同的创意和企业提示词各做两轮测试，评估提示词遵循、输出质量与易用性。Synthesia 运动更自然、声音设计出色，但创意测试缺少曼谷街景细节，企业视频两次失败且只生成了约 8 秒；Manus 提示词遵循更好，用 Nano Banana Pro 生成的静态图像出色并按要求产出 30 秒视频，但运动不自然、动画有明显视觉问题。
Seedance 2.0 视频生成模型正式发布，综合性能达业界 SOTA 水平。新版本支持多模态输入，可同时参考 9 张图片、3 段视频、3 段音频及文本指令，精准迁移构图、动作、运镜与音效。模型支持 15 秒高质量多镜头生成，集成双声道立体声技术，并新增视频延长与编辑功能，可定向修改片段、角色及剧情。目前已在即梦 AI、豆包及火山方舟平台上线，适用于影视、广告、电商等工业级内容创作场景。
推荐理由：字节Seedance 2.0发布，支持多模态输入与物理稳定生成，已上线豆包即梦
Runway 宣布完成 3.15 亿美元 E 轮融资，由 General Atlantic 领投，NVIDIA、Adobe Ventures 等参投。本轮资金将用于预训练下一代 world models 并拓展至新产品和行业。公司正在招聘。
FireRedTeam 于 2026-02-10 正式开源 FireRed-OpenStoryline，将视频创作变为自然语言对话，支持素材搜索下载、脚本生成、BGM 与配音字体推荐，以及全流程剪辑。
推荐理由：官方开源的对话式视频剪辑项目，覆盖素材检索、脚本生成到剪辑全流程，并可直接通过 Claude Code 等 Agent Skills 安装使用。
OpenMOSS 团队发布 MOVA 音视频基础模型，总参数 32B MoE、激活 18B，支持文本或图像到音视频的端到端同步生成，最高 720p、单段 8 秒。模型采用非对称双塔架构（14B Wan 2.2 I2V 视频塔与 1.3B 音频塔）加双向 Bridge 和 Aligned ROPE 对齐时间轴，并开放模型权重、训练与推理代码及微调方案。
推荐理由：原文给出架构、训练策略和开源范围，读者可以了解端到端音视频生成如何处理同步问题并可复现研究。
xAI推出Grok Imagine API，提供文本/图像转视频及高精度编辑功能，支持物体增删、风格转换与原生音频生成。在Artificial Analysis和LMArena基准测试中排名首位，720p视频生成延迟与成本均低于Veo 3和Sora 2；在IVEBench评测中整体表现超越Kling o1与Runway Aleph。API已开放xAI及第三方平台接入。
推荐理由：xAI发布Grok Imagine视频生成API，性能宣称超越Sora与Veo，支持端到端视频创作工作流
D4RT 实现统一高效的4D重建与追踪，速度较先前方法提升最高达300倍，为四维计算机视觉领域提供高效解决方案。
Veo 3.1 版本新增竖屏视频生成功能，输出画面动态效果更自然生动，在一致性与创造力方面均有提升。
Manus博客发布2026年十大提示到视频AI生成器评测，用同一条东京雨夜巷子的提示测试Runway (Gen 4.5)、HeyGen、OpenAI Sora。
推荐理由：作者用同一条提示实测了10款主流AI视频生成器，并逐一记录输出质量、界面与定价，便于读者按需求和预算对照选型。
Runway率先在NVIDIA Rubin平台部署视频生成模型Gen-4.5与世界模型GWM-1。Gen-4.5在一天内从Hopper迁移至Vera Rubin NVL72，展现平台后向兼容性与生产就绪能力。Rubin单GPU提供50 PF推理算力，可加速实时长视频生成。GWM-1作为Runway首个通用世界模型家族，支持物理感知机器人训练、可探索虚拟世界及交互式化身，推动AI从文本理解向物理世界模拟演进。
meituan-longcat 发布 LongCat-Video-Avatar 视频数字人项目，致力于通过开源与开放科学推进人工智能技术的普及与民主化。该项目旨在打破视频化身技术壁垒，将先进的 AI 能力开放给更广泛的开发者社区，推动前沿技术的平民化应用与生态发展。
ElevenLabs 发布 ElevenLabs Image & Video (Beta)，将图像和视频生成纳入其创作平台。
推荐理由：官方宣布音频平台扩展到图像与视频，整合多家视觉模型并在同一工作流完成配音和导出，可关注其统一创作流程的实际体验。
SGLang 推出 Diffusion 推理引擎，将高性能 LLM 服务架构扩展至视频与图像生成领域。该系统支持 Wan、Hunyuan、Qwen-Image、Flux 等主流开源扩散模型，在 H100/H200 GPU 上实现 1.2-5.9 倍加速。通过 ComposedPipelineBase 架构抽象与统一序列并行技术，提供 OpenAI 兼容 API、CLI 及 Python 接口，并与 FastVideo 合作覆盖从训练到部署的全流程。
MiniMax 推出 Hailuo 2.3 视频生成模型，在物理动作流畅度、艺术风格化（支持动漫、水墨、游戏 CG）及角色微表情方面显著提升，维持 Hailuo 02 原价，Fast 版本批量创作成本降低 50%。Hailuo Video Agent 同步升级为 Media Agent，支持多模态一键视频生成与分步自定义创作，已全平台上线并开放免费试用。
推荐理由：MiniMax 发布 Hailuo 2.3 视频模型及 Media Agent，支持多模态一键生成
与导演 Darren Aronofsky、Eliza McNitt 及超 200 人团队合作，采用 Veo AI 视频生成与真人实景拍摄结合的方式制作电影《ANCESTRA》。
美团 LongCat-Video 项目秉持开源与开放科学理念，致力于推进并普及人工智能技术。该项目通过开放源代码的方式，旨在降低 AI 技术应用门槛，打破技术壁垒，促进视频领域人工智能技术的广泛传播与创新发展，体现了推动 AI 技术民主化与开源生态建设的长期愿景。
Veo 3.1 正式发布，带来重大功能更新。此次升级为用户提供更强大的高级创意控制能力，让创作过程更加灵活高效，满足多样化的创意需求。
Together AI 宣布扩展模型库，通过 Runware 合作集成 20 多个视频模型（含 OpenAI Sora 2、Google Veo 3、Minimax Hailuo、Kling v2.1）和 15 个以上图像模型（含 Google Imagen 4.0 Ultra、Nano Banana、Qwen Image），共 40 多个。
推荐理由：Together AI 官方给出了 40 多个图像与视频模型的名称、时长和逐模型定价，开发者可据此评估能否用一个平台替代多家供应商。
OpenAI Developers 在 GitHub 上发布了名为“Sora starter app”的开源项目。该示例应用旨在演示如何使用 Sora API 构建视频生成工作流，为开发者提供代码参考和集成指南。
Ming-VideoMAR 是一款仅解码器的自回归图像到视频生成模型，采用连续令牌统一视觉表征。它首次将时间因果性与空间双向性作为视频自回归核心原则，并提出了整合掩码生成的下一帧扩散损失。该模型首次实现了视频生成的零样本分辨率缩放，能灵活生成远超训练分辨率的视频。其在训练与推理效率上表现突出，参数量、训练数据量和GPU消耗仅为之前最佳模型Cosmos的极小比例（9.3%、0.5%和0.2%），同时在定量与定性评估中均实现超越。模型代码与检查点已开源，论文已被NeurIPS 2025接收。
推荐理由：蚂蚁把自回归视频生成的训练成本砍到 Cosmos 的 0.2% 还能赢，这个效率信号比分数本身更值得关注，做视频生成的团队该认真看看它的课程学习和渐进分辨率策略。
Sora 将推出两项更新：一是为版权方提供更细粒度的角色生成控制，允许其指定角色使用方式（包括完全禁止）；二是启动视频生成商业化，计划与选择加入的版权方分享用户生成内容带来的收入。OpenAI 表示用户生成量远超预期，许多视频仅面向小众受众。公司特别提到日本创作者的内容产出表现突出，并承诺将像早期 ChatGPT 时代一样快速迭代，根据反馈及时调整策略。
OpenAI发布Sora应用，集成Sora 2模型，支持快速创作、分享和观看视频，团队称其为"创意领域的ChatGPT时刻"。核心功能包括cameo客串特性，可保持角色一致性并将用户及朋友置入视频。团队同时表达对成瘾性和低质内容（"slop feed"）风险的担忧，提出四项产品原则：优化长期用户满意度、赋予用户信息流控制权、优先鼓励创作、帮助实现长期目标，并配备深度伪造防护和情绪健康监测等安全措施。
推荐理由：OpenAI 正式发布 Sora 2 应用，定位「创意领域的 ChatGPT时刻」
OpenAI 发布视频生成模型 Sora 2，支持同步的对白与音效。Sora 产品目前不再可用。
推荐理由：官方宣布视频生成模型 Sora 2 的发布，提到同步对白与音效能力，读者可借此了解该模型的基本定位。
OpenAI 发布 Sora 2 模型和 Sora 应用，表示针对先进视频模型和新社交创作平台带来的新型安全挑战，以安全为基础进行构建。官方称其方法以具体防护措施为锚点，原文仅提供摘要，未披露防护细节。
OpenAI 发布 Sora 2，称其为新一代最先进的视频与音频生成模型。官方介绍其相比此前的视频模型改进了物理准确性、真实感、音画同步、可控性，并扩展了风格范围。
推荐理由：官方列出了 Sora 2 在物理准确性、真实感和音画同步上的具体改进点，读者可以据此与前代视频模型的能力边界做比较。
Runway与IMAX达成合作，将于8月17日至20日在纽约、洛杉矶等美国10座城市的IMAX影院独家展映2025 AI Film Festival入围影片，共计40场。本届AIFF收到超6000部投稿，最终选出10部AI辅助创作短片，由Gaspar Noé等知名导演评审。此次为AIFF影片首次登陆美国影院，双方将为AI电影提供顶级放映体验，探索新技术与叙事融合的可能。
PEVA 模型实现基于全身动作的第一人称视频预测。该模型接收历史视频帧和描述 3D 姿态变化的动作指令，生成下一帧画面，支持原子动作合成、反事实场景模拟及长视频生成。针对具身智能体设计，模型处理 48+ 自由度的高维人体控制，解决第一人称视角下身体不可见、感知滞后于动作等挑战，为机器人规划与控制提供世界模型基础。
Parsons School of Design 将于 2025 年秋季开设"Hopepunk and Runway"课程，学生可使用 Runway 工具完成长篇创意项目。课程面向所有 New School 学生，Parsons 学生优先，无需使用经验，结合 hopepunk 科幻流派阅读与 AI 创作实践。
Runway 与 AMC Networks 达成合作，将 AI 模型和工具整合到后者的营销与电视开发流程中。合作涵盖视觉概念开发、营销工作流优化及特效构思，旨在加速预可视化制作并提升宣传素材生产效率。AMC Networks 旗下拥有《绝命毒师》《广告狂人》等知名 IP。
发布新一代生成式媒体模型 Veo 3 与 Imagen 4，以及专为电影制作打造的工具 Flow，支持更高质量的视频与图像生成及专业影视创作流程。
推荐理由：Google发布Veo 3与Imagen 4生成模型及电影制作工具Flow
Runway与制片公司Fabula达成合作，将其AI电影工具接入后者全球制作管线。Fabula曾出品《A FANTASTIC WOMAN》等获奖影片，此次合作覆盖从概念构思到VFX的全流程。Sundance获奖导演Cutter Hodierne已在新片《THE SHEPHERD》中使用该工具制作高保真预可视化，实现在剧本阶段即可探索视觉风格，突破传统拍摄后才确立视觉语言的模式。Fabula称这帮助团队快速产出高质量提案物料，Runway则借此进一步支持全球电影人创作。
Runway 与导演 Harmony Korine 创立的数字 IP 工作室 EDGLRD 达成优先开发合作，双方将共同探索 AI 在新媒体制作中的应用。曾执导《KIDS》《SPRING BREAKERS》的 Korine 表示将利用 Runway 工具突破创作边界，EDGLRD 计划在其 IP 和广告制作中更广泛地部署该技术。
导演 Harmony Korine 将加入 Runway 2025 AI 电影节评审团，与 Gaspar Noé、Jane Rosenthal 等业界人士共同担任评委。本届电影节将于 6 月 5 日在纽约林肯中心、6 月 12 日在洛杉矶 The Broad Stage Theater 举办，旨在展示艺术家运用 AI 技术进行电影创作的实验性作品。Korine 表示期待看到以意想不到方式推动创意可能性的作品，主办方称其创新理念与电影节精神高度契合。
Runway 完成 3 亿美元 D 轮融资，General Atlantic 领投，NVIDIA、软银等参投。资金将扩展 Runway Studios AI 影视工作室，并推进 Gen-4 模型研发。Gen-4 支持跨场景一致角色与场景生成，旨在构建基于世界模拟器的新媒体生态。
阿根廷导演 Gaspar Noé（代表作《遁入虚无》《不可撤销》）加入 Runway 第三届 AI 电影节评委团。他对探索 AI 视觉叙事技术表示期待，认为年轻电影人正在用这些工具重塑电影艺术。影片提交截止日期已延长至 4 月 13 日。
Runway 上线 Talent Network，供创意人士展示作品并对接品牌、工作室的工作机会。平台解决 AI 工作流人才需求，首批入驻包括导演 Harmony Korine 的 EDGLRD 等制作公司。
NYU Tisch艺术学院虚拟制作硕士项目引入Runway AI视频工具，2025年春季在Martin Scorsese虚拟制作中心开设"虚拟制作专题"课程。学生可运用生成式AI完成从概念设计、预可视化到毕业作品的全流程创作，由Runway创意合作伙伴Leilanni Todd执教。该课程旨在培养掌握前沿技术的电影人才，应对行业技术变革。项目现正接受2025年秋季入学申请。
Runway 启动学生大使计划，面向艺术、电影、计算机科学等领域学生提供 10 万免费积分、Pro 计划订阅及行业社交资源，降低 AI 视频工具使用门槛。已与 NYU、罗德岛设计学院等全球多所高校建立合作。