#视频生成

Sora 是 OpenAI 的文本生成视频模型，能生成长达一分钟的高质量视频；从 2024 年 2 月研究预览到纳入 ChatGPT 产品体系，Sora 的扩散模型架构与未解的物理模拟局限都值得梳理。

Meta 7 月 7 日发布 Muse Image 与 Muse Video，分别面向图像与视频生成的 Muse 系列新模型，与 Muse Spark（多模态理解/推理）协同构成"理解 + 生成"多模态矩阵，延续"开源 + 前沿"双轨策略。

MiniMax H3 正式发布，通用全模态生成模型，支持文本/图像/视频/声音统一理解与输出，最高 15 秒 2K 视频生成，定价约为主流模型的 1/3。

Luma 6 月 9 日发布 Ray 3.2 模型及 API，主打"像导演一样直接执导视频"——精确控制每一帧、跨镜头保持主体与风格一致、输出电影级成片，位于 Luma"模型 + Agent + API"三层架构的模型层核心。

ElevenLabs 2025 年 11 月 17 日发布 ElevenLabs Image & Video，标志这家语音 AI 公司正式进入图像与视频生成领域，从"语音单模态"扩展为"多模态创作平台"，用户可在同一平台完成图像、视频与语音协同创作。