HunyuanVideo 1.5 是腾讯混元大模型团队开源的轻量级视频生成模型，基于 Diffusion Transformer（DiT）架构，参数量为 8.3B。支持生成 5-10 秒的高清视频，分辨率可达 480p 和 720p，可通过超分模型提升至 1080p。用户可通过输入文字描述（文生视频）或上传图片配合文字描述（图生视频）来生成视频。模型支持中英文输入，具备强指令理解与遵循能力，能实现多样化场景，如运镜、流畅运动、写实人物等。支持写实、动画、积木等多种风格，可在视频中生成中英文文字。HunyuanVideo 1.5 的创新 SSTA 稀疏注意力机制显著提升了推理效率，可在 14G 显存的消费级显卡上流畅运行。
LongCat-Video是美团LongCat团队开源的13.6亿参数视频生成模型，采用MIT开源协议，支持文生视频、图生视频和视频续写三大任务。模型通过"粗到细"生成策略和块稀疏注意力机制，能在数分钟内生成720P高清长视频，保持色彩一致性且无质量衰减。技术亮点包括多奖励强化学习优化，性能接近商业级SOTA模型，在内部测试中多项指标超越同类开源模型。模型已在Hugging Face和GitHub开源，提供文本/图像输入、视频续写等一键式部署方案。
Lynx 是字节跳动开源的高保真个性化视频生成模型，仅需单张人像照片，能生成身份一致的视频。基于扩散 Transformer（DiT）基础模型构建，引入 ID-adapter 和 Ref-adapter 两个轻量级适配器模块，分别用于控制人物身份和保留面部细节。Lynx 采用人脸编码器捕捉面部特征，通过 X-Nemo 技术增强表情，LBM 算法模拟光影效果，确保人物身份在不同场景下的一致性。其交叉注意力适配器可将文本提示与人脸特征结合，生成符合场景要求的视频。Lynx 具备“时间感知器”，能理解动作物理规律，保持视频时间连贯性。在大规模测试中，Lynx 在面部相似度、场景匹配度和视频质量等多个维度上表现优异，超越同类技术。