CrewAI

CogVideo是目前最大的通用领域文本到视频生成预训练模型，含94亿参数。CogVideo将预训练文本到图像生成模型（CogView2）有效地利用到文本到视频生成模型，并使用了多帧率分层训练策略。用于文本到视频的生成。它是基于Transformer架构的，旨在通过理解和转换文本描述来生成相应的视频内容。CogVideo能够处理大量的文本-视频对数据，并通过学习这些数据的模式来生成与文本描述相匹配的视频。

Mistral AI 是一家来自法国的人工智能服务商，由前 DeepMind 和 Meta 公司的研究人员组建的新公司。他们专注于大型语言模型和生成式人工智能的构建、培训和应用。Mistral AI 的目标是与 OpenAI 和 谷歌 竞争，为企业开发生成式人工智能基础设施。

元象通用大模型，自研高性能，从零训练，国内领先，可大幅降低开发门槛与推理成本，满足不同复杂度的多任务需求。

Animate Anyone是一种基于扩散模型打造的可控视频生成框架，通过图文就能制作高质量人类跳舞视频。用户只需上传一张人像，以及一段提示词，就能生成对应的视频，而且改变提示词，生成的人物的背景和身上的衣服也会跟着变化。简单来说就是，一张图、一句话就能让任何人或角色在任何场景里跳舞。

GPT-4是OpenAI开发的最新一代大型语言模型。它能够接受文本和图像输入，生成类似人类的文本输出。GPT-4在多种专业和学术基准上表现出了接近人类的水平，例如在模拟律师资格考试中取得前10%的成绩。此外，GPT-4在处理复杂任务、理解多语言和图文混合内容方面有显著的改进。它还能处理长达2.5万字的内容，是ChatGPT的8倍以上，使其在生成文本、延伸对话或分析文件方面更加强大。GPT-4还具备分析图像的能力，能够识别图片中的元素并生成相关的文本。

Sora是一个能以文本描述生成视频的人工智能模型，由美国人工智能研究机构OpenAI开发。它能够根据用户的文本描述生成长达 60 秒、1080P 高质量视频，其中包含精细复杂的场景、生动的角色表情以及复杂的镜头运动。并在单个生成视频中创建多个镜头，准确保留角色和视觉风格。