目前，能够进行文本生成视频且生成时间较长的工具包括以下几种：
更多的文生视频的网站可以查看这里：https://www.waytoagi.com/category/38 。
需要注意的是，内容由 AI 大模型生成，请仔细甄别。
"文生视频"通常指的是使用人工智能技术将文本内容转换成视频的服务。以下是一些国内外提供此类功能的产品推荐：1.Pika：这是一款非常出色的文本生成视频AI工具，擅长动画制作，并支持视频编辑。2.SVD：如果你熟悉Stable Diffusion，可以直接安装这款最新的插件，在图片基础上直接生成视频。这是由Stability AI开源的video model。3.Runway：这是一款老牌AI视频生成工具，提供实时涂抹修改视频的功能，不过需要注意的是，Runway是收费的。4.Kaiber：这是一款视频转视频AI，能够将原视频转换成各种风格的视频。5.Sora：由OpenAI开发，可以生成长达1分钟以上的视频。以上工具均适合于不同的使用场景和需求，您可以根据自己的具体情况进行选择。另外，更多的文生视频的网站可以查看这里：[https://www.waytoagi.com/category/38](https://www.waytoagi.com/category/38)内容由AI大模型生成，请仔细甄别。
自2021年以来，AI领域的一个重要焦点是能够解释人类指令的生成式语言和视觉模型，即多模态模型。例如，CLIP[18]是一种开创性的视觉-语言模型，它将变压器架构与视觉元素相结合，使其能够在大量的文本和图像数据集上进行训练。通过从一开始就整合视觉和语言知识，CLIP可以在多模态生成框架中充当图像编码器。另一个值得注意的例子是Stable Diffusion[19]，这是一个多才多艺的文本到图像AI模型，以其适应性和易用性而受到赞誉。它采用变压器架构和潜在扩散技术来解码文本输入，并生成各种风格的图像，进一步展示了多模态AI的进步。随着2022年11月ChatGPT的发布，我们在2023年见证了商业文本到图像产品的出现，如Stable Diffusion[19]、Midjourney[20]、DALL-E 3[21]。这些工具使用户能够用简单的文本提示生成高分辨率和高质量的新图像，展示了AI在创意图像生成方面的潜力。然而，从文本到图像过渡到文本到视频由于视频的时间复杂性而具有挑战性。尽管工业界和学术界做出了许多努力，但大多数现有的视频生成工具，如Pika[22]和Gen-2[23]，仅限于生成几秒钟的短视频片段。在这种背景下，Sora代表了一个重大突破，类似于ChatGPT在NLP领域的影响。Sora是第一个能够根据人类指令生成长达一分钟的视频的模型，标志着对生成式AI研究和开发产生深远影响的里程碑。为了便于轻松访问最新的视觉生成模型进展，最新的作品已被汇编并提供在附录和我们的GitHub中。
[@小互（@imxiaohu）](https://x.com/imxiaohu)日报1⃣️?Runway Act One视频生成功能文本生成角色，手机录视频以转移表情、声音和口型。不支持肢体动作转移，使用“图生视频”实现肢体动作。视频生成时长上限：30秒。?[详情链接](https://x.com/imxiaohu/status/1878372002131841086)2⃣️?单张图片生成精致3D小屋场景工具链：Midjourney→Trellis→Browser Lab。步骤：1.用Midjourney生成等距3D场景。2.使用Trellis将图像转为3D模型（支持下载GLB文件）。3.在Browser Lab进一步编辑3D模型。可结合Runway等工具实现人物动态化。?[Trellis工具地址](https://trellis3d.co/online)?[Browser Lab编辑器地址](https://thebrowserlab.com)?[详情链接](https://x.com/imxiaohu/status/1878261002422358344)>>更多详细内容查看[XiaoHu.AI日报](https://waytoagi.feishu.cn/wiki/T2fUwmHBSiHU6Ukq9Imcu7n7nMh)[@宝玉（@dotey）](https://x.com/dotey)日报