AI 视频工具

剪映 CapCut

CapCut（剪映海外版）是字节跳动出品的免费视频编辑器，融合多轨剪辑与 AI 工具——自动字幕、文生视频、AI 数字人、配音克隆，跨 Web/桌面/移动端云同步。

Hailuo AI

Hailuo AI 是 MiniMax 旗下的 AI 视频生成平台，支持文生视频与图生视频，以流畅的物理运动、Omni Reference 一致控制与更低的价格，成为 2026 年高性价比视频生成代表。

Hedra

Hedra 是 AI 视频创作平台，将一张图片与一段音频（或脚本）转化为口型同步、表情自然的会说话/会唱角色视频，旗舰模型支持全身动作与镜头控制，并集成 Kling、Veo 等多模型工作室。

HeyGen

HeyGen 是用 AI 数字人快速生成专业视频的平台，无需摄像与演员，支持 175+ 语言翻译对口型与上千个数字人形象。

即梦 AI

即梦 AI 是字节跳动剪映团队推出的一站式 AI 视觉创作平台，搭载自研 Seedream 图片模型与 Seedance 视频模型，支持文/图生图、文/图生视频、智能画布与数字人。

可灵 AI

可灵 AI 是快手大模型团队自研的 AI 创意生产力平台，支持文生视频与图生视频，可灵 3.0 实现原生 4K、多语言唇形同步与运动笔刷，全球注册用户超 1 亿。

Luma AI

Luma AI 是专注视频与图像生成的 AI 实验室，旗舰模型 Ray3 可生成原生 HDR、高保真的推理视频，并开放 Dream Machine API 与 Photon 图像模型。

Pika

Pika 是零门槛的 AI 视频生成与编辑平台，用文字或图片即可生成高质量短视频，并支持画幅拓展、风格转换与局部编辑。

PixVerse

PixVerse 是基于自研视频基础模型的 AI 视频生成平台，支持文生视频、图生视频、口型同步与角色一致，主打高速生成与低成本量产，覆盖 Web、移动端与 API。

Runway

Runway 是面向创作者与企业的 AI 视频与图像生成平台，提供文生视频、图生视频、视频编辑与特效等数十种工具，被影视、广告与游戏行业广泛使用。

Sora

Sora 是 OpenAI 的文本生成视频模型，基于扩散 Transformer 架构，把文字或图片变成最长 60 秒、1080p 的电影级动态画面，被 OpenAI 称为「世界模拟器」。

Synthesia

Synthesia 是领先的企业级 AI 视频生成平台，用 240+ 逼真数字人形象与多语言语音，无需摄像机、演员或剪辑即可把脚本变成培训、营销与内部沟通视频，被众多财富 100 强企业采用。

VEED

VEED 是 2018 年创立于伦敦的在线 AI 视频编辑器，无需安装即可在浏览器里完成剪辑、100+ 语言自动字幕（约 98.5% 准确率）、屏幕录制、AI 数字人口播与模板化产出，面向营销、教育与社媒创作者。

Vidu

Vidu 是生数科技联合清华大学发布的 AI 视频大模型与创作平台，基于自研 U-ViT 架构，首创「参考生视频」功能，以主体一致性与生成速度著称。

Viggle

Viggle 是基于自研物理世界模型 JST-1 的 AI 角色动态视频工具，上传一张角色图加一段动作视频或文本指令，即可让角色以符合真实物理规律的动作动起来，支持 8000+ 动作模板与多角色同屏。

Captions

Captions（由 Mirage 出品）是 2021 年推出的移动优先 AI 视频剪辑应用，专注口播类短视频；自动生成动画字幕（100+ 模板、逐词高亮），并提供 AI 眼神接触修正、填充词删除、多语言配音与 AI 数字人，支持 iOS/Android/Web 与 TikTok、Reels、Shorts 一键导出。

D-ID

D-ID 是 AI 数字人视频平台，能将静态图片、文字、音频转为会说话的视频，支持 100 多种语言的翻译与配音，并提供 Web Studio 与 API 供个人与企业批量创作。

Tavus

Tavus 是一家自 2020 年起的 AI 研究公司，定位「人类计算（Human Computing）」，构建能实时看见、听见、表达并做出情感反应的面对面对话视频 AI（称为 PALs）。其自研模型 Phoenix（实时渲染）、Raven（多模态感知）与 Sparrow（轮次控制）协同，让 AI 数字人像真人一样参与视频对话，已被 10 万+ 开发者用于销售、招聘、医疗与教育等场景，并通过 SOC 2、GDPR 与 HIPAA 合规认证。

D-ID

D-ID 是生成式 AI 视频平台，可把一张照片或一段脚本在数分钟内变成会说话的数字人视频，并提供实时对话式视觉智能体（Visual AI Agents）与开放 API，广泛用于营销、培训与客服；被 Microsoft、AWS、Coca-Cola、Wayfair 等企业采用。

Jockey

Jockey 是由 TwelveLabs 打造的 AI 视频理解 Agent，让你直接在 Claude 或 ChatGPT 里向数小时视频素材发问，并返回带精确时间戳片段的引用答案。基于 Marengo/Pegasus 多模态模型，支持大规模视频搜索、分析与文本生成。PH 2026-10-16 日榜

Loom

Loom 是定义「异步视频消息」品类的工具，现属 Atlassian。一键录屏+摄像头+音频即可生成可分享链接，无需上传文件或管理会议录像；2023–2026 年间加入的 AI 能力可自动生成标题、章节与摘要、移除填充词、把视频转成文档/任务，并与 Jira、Confluence、Slack 原生集成。