Open-Sora
免费相关工具推荐
MoneyPrinterTurbo是一款开源的AI短视频自动生成工具，只需提供视频主题或关键词，即可全自动完成视频文案撰写、素材匹配、字幕生成和背景音乐配置，最终合成为高清短视频。支持Web界面和API两种使用方式，提供多个大语言模型接入选项。内置丰富的视频素材库和背景音乐资源，支持自定义字幕样式和视频参数。采用模块化设计，各环节可独立配置和替换。适合短视频批量生产场景，大幅降低视频制作的人力和时间成本。提供详细的中文文档和社区支持，对中文用户友好。
VibeVoice是微软开源的前沿语音AI项目，包含文本转语音（TTS）和语音识别（ASR）两大核心模块。TTS模块提供实时流式语音合成和高质量离线合成两种模式，支持多种语言和音色。ASR模块可一次性处理60分钟长音频，生成包含说话人、时间戳和内容的结构化转录结果，支持50余种语言。提供0.5B轻量级实时TTS模型，支持多语言和多种风格音色。集成Hugging Face Transformers，可无缝接入现有项目。支持vLLM推理加速，提供微调代码用于自定义训练。
Stable Video Diffusion是由Stability AI推出的开源AI视频生成模型，基于Stable Diffusion的图像生成能力扩展到视频领域。该模型采用潜空间扩散架构，能够从单张图片生成高质量的动态视频，也支持文本到视频的生成。SVD模型在大规模视频数据集上训练，具备出色的运动建模能力和视觉质量。项目在Stability AI的generative-models仓库中开源，提供多个版本的模型权重，支持不同分辨率和帧率的视频生成。作为Stable Diffusion生态系统的重要扩展，SVD为开源视频生成奠定了坚实基础。
Wan2.1是由阿里巴巴推出的开源大规模视频生成模型套件，在多个基准测试中超越现有开源模型和商业解决方案。提供1.3B和14B两种参数规模，1.3B模型仅需8.19GB显存即可运行，兼容消费级GPU。支持文本生成视频、图片生成视频、视频编辑、文本生成图片和视频生成音频等多种任务。是首个支持中英文视觉文本生成的视频模型，可直接在视频画面中生成清晰文字。配备高效的Wan-VAE视频编码器，支持1080P视频的任意长度编解码。提供VACE一体化视频创作编辑模型，支持首尾帧控制等高级功能。