11月21日，腾讯混元大模型团队宣布开源最新视频生成模型HunyuanVideo 1.5。该模型基于Diffusion Transformer（DiT）架构，参数量为8.3B，是一款轻量级工具，可生成5-10秒高清视频。据悉，这一模型已在“腾讯元宝”平台上线，进一步提升了视频生成的效率与质量。此次开源将为开发者和研究者提供更强大的技术支持，推动视频生成领域的发展。（记者 李佳怡）

10月24日，火山引擎正式上线豆包视频生成模型1.0profast。新模型在继承Seedance1.0pro核心优势基础上，生成速度提升约3倍，720P的5秒视频仅需10秒完成，价格直降72%。官方数据显示，制作一条5秒1080P视频成本为1.03元，万元预算可生成9709条视频，效能较pro版提升3.56倍，较lite版提升2.38倍。此外，模型强化了指令遵循、多镜头叙事和细节表现力，在图生视频方向效果优于全球主流模型Veo 3.0 Fast，实现高效降本的同时保持高质量内容产出。

美团最新开源的视频生成模型LongCat-Video，以13.6B参数量成为当前开源领域的SOTA（最佳性能）模型。这款模型支持文生视频、图生视频以及视频延长功能，能够生成长达数分钟的高质量视频，画质清晰且物理逻辑逼真。 官方演示中，无论是空中滑板、特效变身，还是第一视角骑行视频，LongCat-V...

10月27日，美团LongCat团队发布并开源LongCat-Video视频生成模型。该模型在文生、图生视频任务上达到开源SOTA水平，支持分钟级长视频连贯生成，保障跨帧时序一致性与物理运动合理性。基于Diffusion Transformer架构，模型通过“条件帧数量”区分任务，原生支持文生、图生及视频续写三大核心功能，形成完整任务闭环。其文生视频可生成720p、30fps高清内容，精准解析文本细节；图生视频严格保留图像属性与风格；视频续写是其核心能力，支持多帧续接长视频内容。依托创新机制，模型可稳定输出5分钟级长视频，无质量损失。项目已开源，详见GitHub与Hugging Face链接。

10月27日，美团LongCat团队正式发布并开源视频生成模型LongCat-Video。该模型针对高分辨率、高帧率视频生成的计算瓶颈，采用“二阶段粗到精生成（C2F）+ 块稀疏注意力（BSA）+ 模型蒸馏”三重优化技术，将视频推理速度提升至10.1倍。这一创新显著提高了视频生成效率，为行业带来突破性进展。

2025年10月17日凌晨，谷歌发布视频生成模型Veo 3.1，新增叙事音频控制、首尾帧参考等功能，接入Gemini API与Vertex AI，用户可通过Flow或Gemini体验。新版本支持多人物场景生成、音画同步及最长148秒的视频片段，分辨率可达1080p/24fps。Flow平台数据显示，用户已生成超2.75亿个视频。新增功能提升了创意编辑能力，但成片质感较Veo 3进步有限，复杂场景表现仍有不足。此次更新被视为小升级，谷歌年底或将发布更大更新，可能结合Gemini 3全家桶。Sora 2或面临竞争压力。

10月16日，谷歌发布视频生成模型Veo 3.1，新增音频支持、对象添加及移除功能。新版本在音频输出、精细化编辑和图像转视频效果方面显著提升，可生成更逼真的视频片段并精准匹配用户提示词。Veo 3.1支持向视频中自然融入新对象，同时预告未来可在Flow工具中移除现有对象。此前功能如角色塑造、首尾帧生成视频及延长时间等也全面升级，现均支持音频。该模型正逐步部署至Flow、Gemini应用、Vertex AI及Gemini API平台。自5月Flow上线以来，用户已创作超2.75亿个视频。

北京时间10月1日凌晨，OpenAI发布新一代视频生成模型Sora 2，新增音频生成功能，拟真效果和物理规律表现显著提升。用户可通过录制视频和语音完成身份验证，在生成内容中“客串”自己或他人。Sora 2应用已在iOS上架，采用邀请制，初期将在美国和加拿大开放，并提供宽松创作额度。OpenAI表示，未来可能推出付费生成选项以应对算力限制。为保障安全，系统会屏蔽不安全内容，所有视频均带水印与元数据标识，用户肖像仅在本人同意下使用。此外，OpenAI计划扩充人工审核团队，重点审查敏感内容。公司称，Sora 2是迈向通用世界模拟器的重要一步。

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。