想在本地跑文生视频？CogVideoX 提供 2B 与 5B 多个版本，代码与 2B 模型均为 Apache 2.0 许可，支持 diffusers 与量化推理。

剪映专业版在 Windows 上提供 AI 剪辑能力，新增支持 NVIDIA RTX 50 系 GPU 硬件加速与 4:2:2 硬件编解码，三编码器导出速度提升 1.5 倍。

D-ID 支持用一张人脸照片生成会说话的数字人，覆盖 120 多种语言，并提供视频翻译、声音克隆与可实时对话的 Visual Agents，成片时长上限为 5 分钟。

Synthesia 面向企业培训场景提供 240 多个数字人与 160 多种语言，支持用一张照片生成个人数字分身，还能把已有视频一键翻译成 140 多种语言并保持口型同步。

一款面向出镜内容的 AI 视频平台：Avatar V 数字分身只需 15 秒素材，Video Agent 一句话出成片，视频翻译带唇形同步并覆盖 175 种以上语言。

PixVerse 的 V6 模型能在同一次生成里产出 15 秒 1080p 视频，自带多镜头逻辑与对白、音效、环境音等原生音频，还支持在生成前先定 16:9 或 9:16 等画幅。

Vidu 把实时能力放进 S2：S2-Avatar 支持实时语音对话与复杂动作控制、输出 720P+，S2-Editing 支持风格渲染、角色替换、背景替换与虚拟换衣。

海螺视频主推的 MiniMax H3 能把文本、图像、视频与音频放进同一段上下文，生成带原生立体声的视频，最长 15 秒、2K 分辨率，官方称其 2K 每秒价格不到主流模型的三分之一。

可灵 AI 把视频、图片与音效生成收进同一个创作台：Kling 3.0 系列原生支持音频，官方称已通过 3.0 模型上线原生 4K 视频生成，API 按秒计费。

Luma 把自己定位成「你的创意伙伴」：Ray 3.2 视频模型支持单条 16 个关键帧、原生 HDR 与 16 位 EXR 导出，配合 AI Agent 从概念走到成片。

Pika 把自己定位成「把想法变成视频」的 AI 创作平台：图生视频、一键搞怪特效、AI Agent 与 API 会员都在同一个站点，免费档每月 80 个积分。

豆包的电脑版把对话、写作、PPT 生成、图像与视频生成收进同一个输入框，桌面悬浮球随手呼出，浏览器插件负责划词翻译。基础功能免费，Windows、macOS 与网页版三端的聊天记录互通。