8月28日，字节跳动推出全新视频生成模型OmniHuman-1.5。该模型结合多模态大语言模型与扩散Transformer技术，模拟‘深思规划’与‘直觉反应’两种思维模式，可生成超一分钟的高质量动态视频，支持流畅镜头运动、复杂角色互动及高度动态动作表现。这一创新标志着视频生成领域的重要突破，为内容创作带来更多可能性。

8月26日，阿里开源多模态视频生成模型通义万相Wan2.2-S2V。该模型仅需一张静态图片和一段音频，即可生成面部表情自然、口型一致的电影级数字人视频，单次生成时长可达分钟级。这一技术突破为内容创作提供了高效工具，展现了AI在视频生成领域的潜力。

8月26日，阿里云宣布开源全新多模态视频生成模型通义万相 Wan2.2-S2V。该模型仅需一张静态图片和一段音频，即可生成面部表情自然、口型一致、动作流畅的电影级数字人视频，单次生成时长可达分钟级，大幅提升视频创作效率。模型支持真人、卡通、动物等多类型图片及肖像、半身、全身画幅，还可通过文本控制丰富视频内容。例如，上传人物弹钢琴照片、歌曲和文字，可生成高质量演奏视频，手指动作与音频节奏完美匹配。技术上，Wan2.2-S2V融合音频驱动和文本引导机制，采用层次化帧压缩技术实现稳定长视频生成，训练数据集超60万个音视频片段。实测显示其在FID、EFID、CSIM等指标上领先同类模型。自今年2月以来，通义万相已开源多款模型，下载量超2000万。

自2024年起，AI生成视频技术迎来爆发式增长，以OpenAI的Sora为代表，突破了时长、清晰度与逻辑一致性等瓶颈。随后，Runway Gen-3、快手可灵等模型相继推出，2025年上半年更是呈现井喷趋势，阿里、字节等大厂及MiniMax等创业公司纷纷入局。尽管市场尚未形成头部垄断，但快手、字节等国内厂商在评测和用户使用率中位列第一梯队。AI大幅降低了视频制作成本，满足短视频需求，成为创作者增效工具。然而，模板化生产虽高效却难以创造经典内容，部分厂商如Runway转向高端影视领域，探索高质量生成模式，定义AI工具的使用边界仍是行业关键问题。

7月28日，阿里开源电影级视频生成模型通义万相2.2。该模型单次可生成5秒高清视频，包含文生视频、图生视频和统一视频生成三款模型。其中，文生视频和图生视频模型为业界首个采用MoE架构的视频生成模型，总参数量27B，激活参数14B，由高噪声专家模型和低噪声专家模型组成，分别负责视频布局与细节优化，在同参数规模下节省约50%计算资源。这一发布展现了阿里在AI视频生成领域的技术突破。（记者 黄心怡）

7月28日，阿里巴巴开源视频生成模型通义万相 Wan2.2，包括文生视频、图生视频和统一视频生成三款模型。其中，文生视频和图生视频模型首次采用MoE架构，总参数量27B，激活参数14B，并引入电影美学控制系统，光影、色彩等能力媲美专业电影水平。新模型支持复杂运动、人物交互等场景，计算资源消耗减少约50%。同时，开源的5B小尺寸统一模型可在消费级显卡上部署，数分钟生成5秒高清视频。开发者可通过GitHub、HuggingFace等平台获取代码，企业可在阿里云调用API，用户也可在官网或App体验。自今年2月起，通义万相系列模型下载量已超500万。

7月3日，谷歌宣布向159个国家和地区的Gemini用户推出全新Veo 3视频生成模型。该功能目前仅限Google AI Pro计划的付费订阅者使用，每日最多可生成三个视频。谷歌副总裁Josh Woodward透露，公司正研发为Gemini添加图像到视频生成功能，进一步拓展其AI应用能力。这一更新标志着谷歌在AI生成内容领域的持续创新，为用户提供更丰富的多媒体创作工具。

2025年7月2日，百度发布自研视频生成模型“MuseSteamer”及创作平台“绘想”。该模型为全球首个实现中文音视频一体化生成的视频模型，支持一张图生成10秒1080p电影级画质视频，并登顶权威榜单VBench I2V。其技术依托亿级中文多模态数据清洗、结构化描述语言及多目标强化学习优化。MuseSteamer包含Turbo、Lite、Pro及有声版，Turbo已上线绘想平台开启限时免费公测，其余版本将于8月陆续开放。平台同步启动“跨次元捏合”AI视频创作大赛，用户可通过单图输入生成动态视频参赛。

2023年5月2日，在百度AIDAY科技开放日现场，百度商业研发团队正式发布了自研视频生成模型MuseSteamer及视频产品平台‘绘想’。该模型和平台的推出，标志着百度在视频生成技术领域取得新进展，进一步拓展了其在人工智能领域的应用范围。此次发布体现了百度在科技创新方面的持续投入和最新成果。

标题：拳打可灵，脚踢 Veo 3，谁是物理世界的「懂王」？ 一个优秀的多模态视频生成大模型涉及跨模态理解、时序一致性、编辑能力和成本控制等复杂系统。这条赛道上，MiniMax的Hailuo 02脱颖而出，其ELO得分超越谷歌Veo 3和快手Kling 2.0，位列全球第二。 Hailuo 02的独特...