Google DeepMind 的视频模型 Veo 3.1 把音效、环境声与对白纳入同一次生成，输出支持 1080p 与 4K 分辨率，并提供场景延伸、首尾帧、运镜控制与对象增删等创作能力。

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。

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。

Runway 把 AI 视频生成、图像编辑与后期制作收进同一个云端工作台，免费版送 125 个一次性积分可直接上手试用，付费方案从每月 12 美元起，支持随时取消。