AI 模型库：大模型、Agent 与开发工具
收录并解读主流 AI 模型、Agent 与开发工具的能力、场景与选型对比。
标签：视频AI
共 117 篇文章 · 清除标签
Wan-Streamer v0.2 – 阿里通义推出的全模态理解与生成模型
Wan-Streamer v0.2是阿里通义实验室推出的面向实时双工交互的端到端全模态理解与生成模型。该模型通过单个Transformer统一处理文本、音频、视频的实时理解与同步生成，端到端响应延迟仅550ms，视频输出分辨率640×368@25FPS，支持边说边听边回应的全双工交互，使AI能够像真人一样进行面对面的视频交流，显著提升了人机交互的自然度和实时性。
MoWorld – 魔芯科技推出的全球首个高帧率交互式世界模型
MoWorld 是由魔芯科技推出的全球首个高帧率交互式世界模型，基于纯国产华为昇腾 NPU 全栈优化，实现了最高 50 FPS 的实时推理能力，推理成本较传统 GPU 部署降低 70%。该模型采用 14B 参数的混合专家（MoE）架构，支持精确相机轨迹控制与 4D 空间感知，能够生成长时程、空间一致的大尺度场景视频，覆盖城市、室内、驾驶等复杂环境。MoWorld 的推出标志着世界模型从非实时生成迈...
LingBot-Vision – 蚂蚁灵波科技开源的通用视觉基座模型
motion-anything – Open Design 开源的本地优先动效引擎
motion-anything 是由 Open Design 团队开源的一款本地优先动效引擎，定位为免费版 Figma Motion 与无水印动效视频工坊的结合体。该工具让动效直接运行在真实网页上，实现所见即所得的编辑体验，修改后即可部署上线。用户可以通过自然语言描述让 AI Agent 生成动效，同时支持关键帧与弹簧曲线精调，最终导出格式覆盖代码（JSON、CSS、React、Lottie）、视...
video-use – Browser Use 团队开源的 AI 视频剪辑 Agent
Video-use 是由 Browser Use 团队开源的 AI 视频剪辑 Agent，通过自然语言对话替代传统时间线操作，实现从素材盘点、口癖清除、调色、字幕叠加到动画生成的全自动剪辑流程。用户只需将原始素材放入文件夹并描述需求，Agent 即可独立完成成片输出。其核心创新在于让大语言模型（LLM）通过音频转录文本（约 12KB）理解视频内容，而非逐帧分析画面，从而将 token 成本降至极低...
LiveWorld – 阿德莱德大学等推出的生成式视频世界模型
LiveWorld是由阿德莱德大学、澳大利亚国立大学等机构联合推出的生成式视频世界模型，核心解决视野外动态问题——当物体离开相机视野后，传统模型会将其状态冻结，而LiveWorld通过显式解耦世界演化与观察渲染，让动态实体在不可见时仍能持续推进，实现真正的4D世界模拟。该模型将世界状态表示为静态3D背景与动态4D实体的结构化近似，而非直接预测2D帧，从而在长时序、多视角场景下保持几何一致性与事件逻...
Wan-Streamer – 阿里开源的实时全双工多模态基础模型
Wan-Streamer 是阿里达摩院开源的端到端实时全双工多模态基础模型，通过统一因果 Transformer 架构将文本、音频、视频的输入输出 token 整合为同一条因果序列，实现亚秒级实时双向视频交互，模型响应延迟仅 200ms，端到端总延迟 550ms，稳定输出 25FPS 同步音视频。该模型摒弃了传统多模块拼接方案（ASR+LLM+TTS+渲染），以单一模型完成感知、理解与生成的全流程...
Agent-Reach – 开源 AI Agent 工具，能一键获取互联网内容
Agent-Reach 是一款开源免费的 AI Agent 互联网能力脚手架工具，旨在通过一句自然语言指令为 Claude Code、Cursor、OpenClaw 等主流 AI Agent 一键安装联网能力。该工具整合了 Jina Reader、yt-dlp、gh CLI、feedparser 等十余种开源组件，覆盖 Twitter、Reddit、YouTube、GitHub、Bilibili、...
VidMuse – Sand.ai 推出的 AI 音乐视频 Agent
VidMuse 是由 Sand.ai 推出的 AI 音乐视频 Agent，旨在将音乐创作与视频生成深度融合。用户只需上传 Suno 链接或本地 MP3 文件，即可自动生成 30–60 秒的高质量音乐视频。其 2.0 版本基于“Video as Code”理念，从固定 Workflow 升级为开放 Agent 框架，能够自主调度计算资源、动态组织分镜与叙事逻辑，目标是成为用户可长期信赖的数字制片团队...
HappyHorse 1.1 – 阿里推出的升级版AI视频生成模型
HappyHorse 1.1是阿里巴巴集团旗下堆友平台最新发布的AI视频生成模型升级版本，在1.0基础上围绕动态表现力、主体一致性、指令遵循、视觉质感和音频能力五大维度实现了系统性升级。该模型延续统一单流Transformer架构，支持文本到视频、图像到视频两种输入方式，单次生成时长3至15秒，输出分辨率涵盖720p与1080p，并支持自由宽高比。其核心技术亮点包括DMD-2蒸馏加速将推理步数压缩...
