Video Generation Awesome

视频生成、视频编辑、图像到视频和视频修复资源索引。

2026 重点模型

查证截至 2026-10-06。重点补充 2026-02 以后的模型，同时保留 1 月关键版本。日期优先采用官方发布记录；上传时间与正式公告日分开记录，不把仓库创建日当成模型发布日。

• T2V：Text-to-Video，文本生成视频。
• I2V / TI2V：Image-to-Video / Text-and-Image-to-Video，图像或图文生成视频。
• V2V：Video-to-Video，视频编辑、变换或续写，具体能力按 checkpoint 判断。
• Audio-Video Generation：生成同步音视频；Audio-driven Video：以已有音频驱动画面，两者要区分。
• 开放权重表示可下载部署。表中的许可指权重；代码、编码器、VAE、超分组件还需分别核对。

date	model	size	author	权重许可	关注点
2026-08-11	LTX-2.5	22B DiT	Lightricks	LTX-2.x Community	同步音视频、原生多镜头、生成/编辑管线、dev 与 8 步 distilled；另配 Gemma 4 12B 编码器
2026-08-03	MiniMax H3 Base	33B Transformer	MiniMax	MiniMax H3 Community，含地域限制	FL2VA / Ref2VA：首尾帧、多模态参考、编辑、768p 立体声音视频；完整 2K 系统仅部分开放
2026-07-20	Cosmos3-Super-Image2Video-4Step	64B MoT	NVIDIA	OpenMDW-1.1	4 步 I2V、Physical AI 与合成数据；原始 Super 系列于 05-31 发布，需较大显存
2026-07，权重上传记录	Wan-Dancer-14B	14B	Wan-AI	Apache-2.0	音乐、参考图与文本驱动舞蹈；专项模型，不等于 Wan3.0 通用权重
2026-05-21	LongCat-Video-Avatar-1.5	基座 13.6B	Meituan	MIT	音频驱动人物、单/多音轨、长视频续写、Whisper-large-v3、8 步蒸馏
2026-03，权重上传记录	daVinci-MagiHuman	15B	SII-GAIR / Sand.ai	Apache-2.0，模型卡声明	人物中心同步音视频、多语言对白；base、distilled、540p/1080p 超分模型栈
2026-03-05	LTX-2.3	22B DiT	Lightricks	LTX-2 Community	同步音视频、T2V/I2V、dev 与 8 步 distilled、时空上采样器；重要历史版本
2026-03-04	Helios	14B	PKU-YuanGroup	Apache-2.0	T2V/I2V/V2V、分钟级自回归长视频、低延迟；Base、Mid、Distilled
2026-01-29	SkyReels-V3	R2V/V2V 14B；A2V 19B	Skywork	Skywork Community	多参考图、视频续写、镜头切换、音频驱动 Avatar；720p

官方项目与开放范围

• Lightricks/LTX-2
  • LTX-2 Community / LTX-2.x Community, Python, Audio-Video DiT
  • 2.3 与 2.5 均为 22B，区别于早期 19B 的 LTX-2。2.5 原生多镜头保持角色、环境与音色，并更新视频解码器和文本编码器；发布记录 区分模型与 API 更新。
  • 2.5 分组件权重包供 ComfyUI / ltx-pipelines 使用；Diffusers 权重包 采用另一种布局。ComfyUI INT8 文件不能直接当成 PyTorch BF16 checkpoint。
  • 权重采用社区许可。2.3 LICENSE 与 2.5 LICENSE 有营收等条件；2.5 的模型卡按组织及关联实体合计年营收 1,000 万美元划分许可路径，微调权重转让另有条件。
• MiniMax H3
  • 开放公告：开放 H3-Base-FL2VA、H3-Base-Ref2VA、相关 VAE 与推理材料。33B 是生成主干，还需要 Qwen3-VL-32B 编码器。
  • Base 输出 768p、4–15 秒、24fps、原生立体声音频；H3-Context-IR 与 H3-Regenerate-2K 未包含在本次开放范围。完整官方 2K 工作流仍依赖托管服务。
  • MiniMax H3 Community License 排除欧盟、英国、韩国、美国；商业产品/服务年营收超过 2,000 万美元等情形需另行授权。该许可不能标为 Apache-2.0 或全球自由商用。
• NVIDIA/cosmos
  • Cosmos 3 是世界模型家族；Super 为 64B MoT（32B Reasoner + 32B Generator），另有 16B Nano、4B Edge。I2V-4Step 是具体生成 checkpoint，不等于 Edge 的机器人动作模型。
  • Super I2V 于 2026-05-31 发布，4Step 于 07-20 发布；模型卡采用 OpenMDW-1.1，推荐配置需要多卡 H100/H200 或 B200 等较大显存硬件。
• PKU-YuanGroup/Helios
  • Apache-2.0, Python, Autoregressive Video Diffusion
  • Base 用于质量/训练，Distilled 用于速度，Mid 是蒸馏中间 checkpoint。
  • 作者报告单 H100 约 19.5 FPS、分钟级长视频；速度受 CPU、内存、驱动与配置影响。Offload 降低显存需求不能同时保证这一速度，也没有据此验证原生音频生成。
• GAIR-NLP/daVinci-MagiHuman
  • 单流 15B Transformer 联合处理文本、视频与音频；开放 base、8 步 distilled、超分与推理代码，外部文本编码器、音频模型和 VAE 的许可另看各自来源。
  • HF 提交记录 可核对 2026-03-21～22 权重上传；正式公告日未单独确认。
  • 对 Ovi 1.1 的 80.0%、对 LTX-2.3 的 60.9% 胜率来自作者组织的 2,000 次成对评测；不改写成独立榜单第一。
• SkyworkAI/SkyReels-V3
  • Skywork Community License, Python, Multimodal Video Generation
  • R2V-14B 接收 1–4 张参考图；V2V-14B 支持续写和镜头切换；A2V-19B 使用已有音频驱动人物。
  • LICENSE 指向 Skywork Community；后续 SkyReels-V4 的论文或托管服务不能代替 V4 权重开放证据。

研究预览

• Tencent-Hunyuan/Prism
  • MIT, Python, Sparse Attention, Audio-Video Generation
  • 面向原生 2K 音视频训练的动态稀疏注意力框架；截至 2026-10-06，Prism 权重 中可见 alpha / beta preview，支持 720p、1080p、2K。
  • 官方新闻日期仍未填完整，正式发布日期与总参数量不在此推断；Prism-pro 仍是待办，不标成 HunyuanVideo 新正式版。
  • LICENSE 明确自有代码、参数和权重为 MIT；MOVA 等第三方组件维持各自许可。不能仅凭 Tencent-Hunyuan 组织名套用社区许可证。

SOTA 与选型

• AA-Video-T2V v2.0 区分有声与无声评测；开放权重筛选 也不等于 MIT/Apache-2.0 或任意地域可商用。
• 2026-10-06 有声 T2V 榜单快照中，Wan 3.0、Dreamina Seedance 2.5、MiniMax H3 等处于前列；开放权重筛选中 H3 768p 为 1138±9 Elo，LTX-2.5 Fast/Pro 为 947±10 / 944±10。这里是具体服务配置的盲评，下载权重自行部署不保证复现同一分数。
• 通用音视频与多镜头关注 LTX-2.5、H3 Base；分钟级低延迟关注 Helios；人物表演关注 MagiHuman；音频驱动数字人关注 LongCat Avatar / SkyReels A2V；世界模拟与合成数据关注 Cosmos 3。
• 比较时固定分辨率、帧率、时长、采样步数、音频条件和硬件；分别检查提示词遵循、物理/运动一致性、角色保持、对白与口型、长视频漂移。区分原生高分辨率、超分与视频修复。

商业模型参照

以下为产品/API 版本；截至查证日，本页未找到对应生成 checkpoint 的官方开放权重证据。

model	2026 更新与能力	官方来源
Wan 3.0	8 月商业版本；30 秒、30fps、多模态参考、原生对白/BGM/音效、视频编辑	Alibaba Cloud API
Seedance 2.5	07-31 发布；30 秒叙事、多模态参考、音视频联合生成、编辑与延长；区别于 02-12 发布的 2.0	ByteDance 公告
FLUX 3 Video	08-04 一般可用；20 秒、多镜头、关键帧、续写、原生音频；Dev 开放权重仍在路线图	BFL 公告
Kling VIDEO 3.0 / 3.0 Omni	2 月版本；多镜头、参考元素、同步音视频；产品配置与开放权重分别核对	Kling 官方指南
Veo 3.1 Lite	03-31 Gemini API 付费层开放；T2V/I2V、720p/1080p、4/6/8 秒，成本档位参照	Google 公告

Video Models

date	model	size	author	notes
2026-01-05	LTX-2	19B	Lightricks	同步音视频、T2V/I2V、LTX-2 Community
2025-11-20	HunyuanVideo-1.5	8.3B	Tencent	T2V/I2V、Tencent Hunyuan Community；LICENSE 记 11-21
2025-10-25	LongCat-Video	13.6B	Meituan	T2V/I2V、Video continuation、MIT
2025-07-28	Wan2.2-T2V-A14B	14B active / MoE	Wan-AI	T2V、Apache-2.0
2025-07-28	Wan2.2-TI2V-5B	5B	Wan-AI	T2V/I2V、720p/24fps、Apache-2.0
2025-03-12	Open-Sora-v2	11B	hpcai-tech	T2V、Apache-2.0
2025-02-25	Wan2.1-T2V-14B	14B	Wan-AI	T2V、Apache-2.0
2025-02-25	Wan2.1-T2V-1.3B	1.3B	Wan-AI	T2V、轻量部署
2024-12-01	HunyuanVideo		Tencent	T2V
2024-08-27	CogVideoX-5b	5B	ZhipuAI	T2V、CogVideoX License
2024-08-06	CogVideoX-2b	2B	ZhipuAI	T2V、Apache-2.0、轻量

Video Generation

• Lightricks/LTX-2
  • LTX-2 系列的同步音视频生成与训练入口，支持 2.3 / 2.5 等版本。
• Lightricks/LTX-Video
  • 早期 LTX-Video 系列入口；30 FPS、1216×704 的规格不能套用到所有 LTX-2 checkpoint。
  • Text-to-Image、Image-to-Video、keyframe animation、video extension、video-to-video。
• Wan-Video
  • Wan 2.1 / 2.2、T2V、I2V、VACE、FLF2V 等开放模型与项目入口。
• Wan-Video/Wan2.2
  • Apache-2.0, Python, MoE, Video Diffusion
  • 2025 年通用开放基线；A14B 为 MoE 的激活参数口径，不能直接作为全部模型存储量。
• Wan-Video/Wan-Dancer
  • Apache-2.0, Python, Audio-driven Video
  • Wan 官方音乐驱动舞蹈模型，720p/30fps、分钟级生成；权重提交记录 可核对 2026-07 上传，首个正式开放公告日未单独确认。
• hpcaitech/Open-Sora
  • Apache-2.0, Python, Video Diffusion
  • Open-Sora 2.0 的开放训练与推理代码；11B，官方记录发布于 2025-03-12。
• Tencent-Hunyuan/HunyuanVideo-1.5
  • Tencent Hunyuan Community License, Python, Video Diffusion
  • 模型 LICENSE 为社区许可；官方仓库记录代码权重于 2025-11-20 发布，LICENSE/主系列公告记 11-21，保留两种日期口径。
• zai-org/CogVideo
  • Apache-2.0, Python, Video Diffusion
  • 代码为 Apache-2.0；2B 权重为 Apache-2.0，5B 权重为 CogVideoX License。官方记录 2B 于 2024-08-06、5B 于 08-27 开放。
• harry0703/MoneyPrinterTurbo
  • 一键生成高清短视频。
• Olow304/memvid
  • 视频内容检索和记忆相关工具。

Video Restoration

• SeedVR：3B / 7B，视频修复和画质增强。
• ByteDance-Seed/SeedVR2-3B
• ByteDance-Seed/SeedVR collection

Avatar 与 Lip Sync

• meituan-longcat/LongCat-Video
  • MIT, Python, Video Diffusion
  • LongCat-Video-Avatar-1.5 于 2026-05-21 发布：Whisper-large-v3 替代 Wav2Vec2，支持单/多音轨与长视频续写，8 步蒸馏。
• Skywork/SkyReels-V3-A2V-19B
  • 参考图与已有音频驱动人物；不要与生成新对白和声音的音视频模型混淆。
• Tencent-Hunyuan/HunyuanVideo-Avatar
  • Image-to-Video、数字人和口型驱动。
• OmniAvatar/OmniAvatar-14B
  • Audio-driven avatar video generation。
• tencent-ailab/IP-Adapter
  • 基于参考图的身份和风格控制。

视频生成平台与工作流

• fal.ai
• Replicate
• Runware
• Together AI
• Krea
• Higgsfield
• HeyGen

相关资源

• Artificial Analysis Video Leaderboards
  • 分别查看 T2V/I2V、有声/无声、开放权重过滤与榜单版本；记录评测配置与查证日期。
• 图像生成模型
  • 参考图生成、图像编辑、RGBA 与多图一致性。