视频处理

fal 是生成式媒体模型推理与 Serverless GPU 平台，提供 1000 多款可直接用于生产的图像、视频、音频和 3D 模型 API，支持按量或预留容量计费、私有端点、单点登录、SOC 2 合规与使用分析，并可在 H100/H200/B200 GPU 上扩展自定义模型的训练与部署。2026 年 9 月，xAI 语音模型 Grok Voice 上线 fal，开发者可调用它构建低延迟语音智能体。

Gemini Robotics 2 是 Google DeepMind 发布的视觉-语言-动作（VLA）模型，将视觉与语言输入转换为机器人运动控制，可在双手机器人上数小时内完成适配，并扩展到复杂人形机器人的全身智能控制，实现精细灵巧操作与智能体推理。

Microsoft PowerToys 是微软官方推出的免费开源 Windows 实用工具集合，包含 30 多个组件，面向高级用户与开发者优化日常操作。其中高级粘贴（Advanced Paste）可把剪贴板内容转为纯文本、Markdown、JSON 及 txt/html/png 等格式，支持本地 OCR 从图片提取文字、把音视频转码为 mp3/mp4，并可选启用需配置模型提供方的 AI 粘贴功能；另有命令面板、FancyZones 窗口布局、取色器等工具。

Wan3.0（万相3.0）是阿里云推出的视频生成模型，目前处于公开测试阶段，主打“简单输入、智能创作”。它支持原生30秒长度的视频生成与真实感级别渲染，并通过 Omni-Reference 能力在文本、图像、音频、视频之外，进一步接受文档、表格、幻灯片、网页等参考输入来驱动视频创作。

Krea 是一站式生成式创作平台，把图像、视频、3D 生成与编辑能力集中在同一订阅内，支持 Krea 2 的 4K 原生图像生成、实时画布、图像编辑器与像素级放大，并可用自有数据微调模型；视频侧聚合 Veo 3、Sora 2、Kling、Seedance 等模型，面向专业创作者与团队提供素材管理与企业协作能力。

PixVerse 是全球 AI 视频生成平台，提供文生视频、图生视频、视频编辑、口型同步、音频生成等能力。旗舰模型 V6 支持电影级镜头控制与角色表演。2026 年 1 月发布 R1 实时世界模型，将视频转变为可交互的连续流，并推出 PixVerse Game Engine 将实时世界模型应用于游戏创作，玩家可用自然语言交互，世界实时响应。平台还提供 API、智能体、营销中心、画布等企业级工作流工具。

Rescript 是一款开源的、基于文字稿（transcript）的浏览器端视频编辑器，被视为 Descript 的免费替代品。用户拖入视频后，工具在本地通过 Whisper 模型生成带逐词时间戳和说话人标签的文字稿，删除文字稿中的词语即自动剪掉对应视频片段，并支持一键去除语气词、按说话人分组、波形时间线和实时跳过剪辑的预览，最终用 ffmpeg.wasm 在浏览器内导出 MP4，全程离线、视频不离开设备。

Runway 是基于自研 Real-World Intelligence 模型构建的云端 AI 创意平台，在同一工作区内提供视频、图像与音频的生成和编辑能力，聚合 Gen-4.5、Seedance、Nano Banana Pro、Lyria 3、Text to Speech 等大量模型。支持改光影、换风格、增删画面元素等指令式视频编辑，并可搭建节点式自定义 Workflows 串联多模型、多模态与中间步骤，面向个人与各规模团队。

FLUX 3 是 Black Forest Labs 发布的多模态基础模型，基于 Self-Flow 方法在单一架构中联合学习图像、视频与音频，同一组权重即可输出图像、视频、带原生音频的视频以及机器人动作预测。FLUX 3 Video 可单次生成长达 20 秒、带原生音频的视频。模型提供 API、Playground 在线试用与开放权重部署，支持按需付费与商业授权，面向内容创作与物理 AI 场景。

Gemini Omni Flash 是一款由 Google DeepMind 推出的下一代 AI 视频生成与编辑模型。该工具支持通过自然语言进行多轮对话式视频修改，能够结合物理规律与现实世界知识生成符合逻辑的动态画面。用户可输入文本、图像、音频或手绘草图作为参考，模型将其融合并输出连贯的10秒视频。它还支持画面内物体与角色替换、文字与语音节奏同步以及多步骤一致性精修，致力于提供高质量的视频生成与迭代体验

SkyProduction（天工工作台）是一款面向短剧与短视频创作的AI视频工作台，将剧本翻译、剧本评分、小说转剧本、资产生成、分镜拆解和视频镜头制作串到同一条生产线上，并提供导演Agent自动化流程、无限画布多人实时协作、片段重拍、视频智能拉片与超分去水印等后期处理能力，支持团队多管理员、子工作室与项目成员权限及积分成本管理。通过官网可一键生成视频素材并制作完整视频。

YouTube 是全球大型视频平台，其面向创作者的 AI 工具 Ask Studio 内嵌于 YouTube 工作室，可基于频道独有数据帮助创作者构思选题、找到新角度、分析受众行为与互动趋势，并辅助标题、缩略图等创作环节。2026 年 Made on YouTube 上 YouTube 进一步推出后台优化智能体，可识别重新走红的旧视频并建议修改标题或缩略图、提取受众数据辅助品牌合作推介，并支持动态缩略图与多版本视频 A/B 测试以提升观看时长。

Adobe After Effects 是动态图形与视觉特效软件，可在真 3D 工作区中创建、导入 3D 物体并与 2D 图形一同制作动画；提供 AI Object Matte 悬停点击即可隔离运动主体并辅以精修笔刷、物体运动跟踪以替换手机屏幕或给移动主体加元素、Content-Aware Fill 逐帧填充移除吊杆麦克风等多余物体、专业键控工具替换背景与加特效，并能设计可在 Premiere 中直接复用的动态图形模板。

Adobe Premiere 是 Adobe 面向手机推出的移动 AI 视频编辑应用，安卓版于 2026 年 9 月 22 日登陆 Google Play（需 Android 13、至少 5GB 内存）。应用提供帧级多轨时间线，可分割、修剪、合并视频，调速并添加转场、文字、色彩预设及旁白音效，核心剪辑免费，可不限次数导出无水印 4K 视频。AI 语音增强与 Firefly 文生图等生成式功能及额外云存储需内购，Adobe 称不使用用户内容训练。

Arcads 是面向效果营销团队的 AI 视频广告创作平台，提供 1000 多个 AI 演员形象库并支持自建 AI 数字人，可选择不同视频生成模型产出广告片，并用 AI 完成剪辑、翻译、延长、加字幕、放大与二次混剪，同时提供为效果营销预设的成熟广告格式模板，替代在多个工具与复杂时间线之间来回切换的传统制作流程。

Backboard 是面向企业与开发者的 AI 基础设施与智能体开发平台，提供跨前沿、开源、自定义及本地部署模型的接入与路由、量化优化、持久记忆与检索（RAG），支持云、私有云、本地及端侧部署。其 Python SDK 以会话线程为核心，已通过 OpenRouter 上线视频模型，覆盖字节 Seedance 2.5/2.0 系列及 Veo、Kling、Hailuo 等，支持文生视频、首帧/首尾帧动画、视频编辑扩展超分与多模态参考输入，平台代为轮询作业并把成片留在对话线程中供后续轮次引用。

BCD 是一个远程 MCP 连接服务：在 Mac 上安装轻量 agent，经 WebSocket 中继连接托管的远程 MCP 服务器，把它作为连接器加入 ChatGPT、Claude、Claude Code 或 Codex 后，AI 即可在手机等远程端整理文件、读取 PDF、处理 Excel 与 CSV、剪辑视频，甚至构建并上传 iOS 应用，任务断线后仍可继续。默认只读，写入、命令执行、屏幕控制与剪贴板需逐设备单独授权，文件变更可列出并撤销，中继不存储文件内容。一台 Mac 永久免费。

Castor 是一款开源的视频投屏命令行工具，使用 Go 语言开发。它通过无头 Chrome 从网页中自动定位真实视频流，经 ffmpeg 实时转码后，通过 DLNA/UPnP 协议投射到智能电视、Kodi、VLC 或 Plex，无需 Chromecast 或 AirPlay，号称无延迟。支持 Homebrew 安装，当前最新版本 1.4.1。

Clipchamp 是微软旗下的在线视频编辑器，可在浏览器或 Windows 桌面端完成视频录制、剪辑与高清导出，无需专业经验。内置 AI 配音、80 多种语言自动字幕、降噪去停顿等 AI 音视频编辑工具，并提供免版税素材与模板。2026 年 9 月新增本地 AI 视频超分辨率，可借助 CPU 或 Copilot+ PC 的 NPU 将视频提升至最高 4K。提供免费版，高级功能随 Microsoft 365 订阅开放。

ClipFlow 是一款面向 iPhone 和 iPad 的视频与音频编辑器，专注于无需时间线的轻量视频处理。支持裁剪、拼接、压缩、反转、滤镜、字幕、静音、模糊、格式转换等操作，大多数处理在设备本地完成，处理结果可直接传递到下一步工具。Version 1.9 新增部分反转功能和 13 种滤镜样式。

ComfyUI是一款面向视觉专业人员的AI创作引擎，通过强大的模块化节点图界面，让用户无需编写代码即可实验和创建复杂的Stable Diffusion工作流。它原生支持SDXL、Flux、Qwen Image等多种图像模型，可生成图像、视频、3D模型和音频等内容。ComfyUI支持Omnigen 2、Flux Kontext等图像编辑模型，具备Inpainting、ControlNet、Upscale Models等功能，可对图片进行局部修改、扩图和超分辨率放大等操作。其智能内存管理可在低至1GB显存的GPU上自动运行大模型，并提供异步队列系统仅重新执行工作流中变化的部分。ComfyUI可在Windows、Linux和macOS上本地运行，也提供官方云端版本，并能通过API端点无缝集成到生产流程中

DaVinci Resolve 是 Blackmagic Design 推出的一体化专业视频后期软件，21 版本将剪辑、调色、视觉特效、动态图形、Fairlight 音频后期与新增照片页整合在同一应用中。内置 DaVinci AI 神经引擎，提供 IntelliSearch 内容搜索、AI 语音生成、CineFocus 焦点调整、人脸年龄变换与瑕疵去除等 AI 工具，支持 32-bit 浮点 HDR 调色及沉浸式 VR 工作流，面向电影、电视与流媒体制作团队。

Dina 是一款原生 macOS 屏幕录制与视频制作应用，集录屏、剪辑、音频清理、配音、字幕与标注于一体。它支持基于转录文本的剪辑，AI 自动去除口头禅与静音，可用文字转语音生成自然配音，支持快捷键自定义、背景与间距调整及高清导出；智能功能由本地 Core ML 模型驱动，可完全离线运行。4.5 版本新增精美截图、电影感 3D 运动与透视动画，并可通过链接即时分享。采用买断制授权，每设备 58 美元，含终身免费更新。

FLUX Upscale 是 Black Forest Labs 推出的独立视频超分工具与 API 端点，可将任意起始分辨率视频重新生成至最高原生 4K。它已在 FLUX 3 Video 的 1080p 管线中验证，能修复模糊人脸及水面草地纹理的网格伪影。提供 Precise（更快更便宜）与 Creative（更多修复细节）两种模式；upscale_factor 支持 1.5x/2x/3x，704p 输入可升至约 1080p、2K 与 4K，用于广播、广告与大屏交付。