文本生成视频

大多数文本生成视频系统把扩散模型从图像扩展到视频，生成一系列必须在时间上保持连贯的画面。《Video Diffusion Models》（Ho 等人，2022 年）和《Make-A-Video》（Singer 等人，2022 年）等研究奠定了早期方法。这类工具通常生成短片段，并提供画幅比例、镜头运动、风格等控制选项，有些还能生成音频。

为什么重要：视频制作成本高，文本生成视频工具能降低草稿、广告和社交媒体内容的制作成本。各工具在片段时长、分辨率、动作质量、镜头间角色一致性、编辑控制、按点数计费方式和商用权利上各不相同。请根据厂商文档，以及与你用途相符的样例输出进行比较。

举例：营销人员输入“日出时分沿海城市的缓慢航拍镜头，暖色光线”，得到几段短视频，从中挑选一段作为活动开场。

局限：生成的视频可能出现违背物理规律的错误、手部或文字变形，以及物体前后不一致。片段通常较短且消耗点数较多；逼真的画面还涉及当事人同意、肖像权和披露义务等问题。