Text-to-Video Generation翻译站点

DynamiCrafter是一种文生视频模型,能够根据输入的图像和文本生成约2秒长的动态视频。这个模型经过训练,可以生成分辨率为576x1024的高分辨率视频。主要优势是能够捕捉输入图像和文本描述的动态效果,生成逼真的短视频内容。适用于视频制作、动画创作等场景,为内容创作者提供高效的生产力工具。该模型目前处于研究阶段,仅供个人和研究用途使用。

AniPortrait是一个根据音频和图像输入生成会说话、唱歌的动态视频的项目。它能够根据音频和静态人脸图片生成逼真的人脸动画，口型保持一致。支持多种语言和面部重绘、头部姿势控制。功能包括音频驱动的动画合成、面部再现、头部姿势控制、支持自驱动和音频驱动的视频生成、高质量动画生成以及灵活的模型和权重配置。

TrailBlazer 是一种基于扩散的视频生成模型，可以通过轨迹控制实现视频的定制。用户可以使用简单的边界框来引导视频中的主体，而无需进行额外的模型训练或在线优化。TrailBlazer 支持空间和时间关注地图的编辑，以及通过关键帧边界框和提示来控制主体的轨迹和外观。该模型操作简单高效，生成的视频效果自然流畅。TrailBlazer 适用于各种用户场景，提供创意无限的视频生成体验。

SoraPrompt是一种AI模型，可以根据文本指令创建逼真且富有想象力的场景。它利用Sora技术生成视频查询摘要，用于高效的内容分析。SoraPrompt基于最新的openai技术，可以生成各种类型的视频，如水族馆、纽约市、后退慢跑者、篮球爆炸、大溪地等。用户可以根据自己的兴趣和想法与SoraPrompt互动。

W.A.L.T是一个基于transformer的实景视频生成方法,通过联合压缩图像和视频到一个统一的潜在空间,实现跨模态的训练和生成。它使用了窗注意力机制来提高内存和训练效率。该方法在多个视频和图像生成基准测试上取得了最先进的性能。

Tavus提供了一系列的AI模型，特别是在生成高度逼真的说话头部视频方面，其Phoenix模型通过神经辐射场（NeRFs）技术，能够产生自然面部动作和表情，并与输入同步。开发者可以通过Tavus的API访问这些具有高度真实感和可定制性的视频生成服务。