AI图生视频用的什么模型？和Sora、Runway这些有什么区别？

目前AI图生视频主要基于三类模型：扩散模型（如Stable Video Diffusion）、自回归模型（如VideoGPT）和GAN变体模型。Sora使用的是基于Diffusion Transformer的架构，擅长生成长视频和复杂场景。Runway的Gen-2更侧重创意视频生成，支持文本到视频和图片到视频。这些通用模型和电商专用工具的区别在于：通用模型生成的是创意视频，画面质量高但不可控，每次生成的效果可能完全不同。电商专用工具（如青虎AI的图生视频）针对电商场景做了定向优化：第一，保证商品主体不变形，这是电商视频最基本的要求。第二，自动生成字幕和卖点文字，不需要手动添加。第三，支持批量生成，一个商品图可以同时产出多个不同风格的视频。第四，输出格式适配各电商平台要求（正方形、竖版、横版）。通用模型更适合创意行业，而电商卖家更需要稳定、批量、可控的视频生成能力。