音视频同步
flux3.studio
Flux 3是一个集成图片生成、图片编辑、动效制作与音频同步功能的AI创意创作工作室平台，面向各类创意创作者提供端到端的AI图像创作服务。平台支持基于文本提示生成高精度原创图像，可对已有图像进行局部编辑修复，还能将静态图像转化为动态内容并匹配音频生成多媒体作品。核心功能覆盖从静态创意到动态多媒体输出的完整创作流程，适合独立创作者、设计师、内容制作者在不同创意产出场景下使用。
hkchengrex.github.io
MMAudio是基于多模态联合训练技术的视频到音频合成工具站点，核心定位是为用户提供视频与文本输入驱动的同步音频生成服务。站点核心功能包括视频画面特征识别、文本语义音频匹配、音视频时序同步校准，能够适配不同场景下的音频创作需求。目标用户覆盖影视后期从业者、游戏开发人员、短视频创作者、AI技术研究者等群体，可在影视内容音频补全、游戏场景音效生成、短视频背景音制作、多模态技术研发测试等场景中使用，帮助用户提升音频合成的效率与成品质量。
nano-banana.io
Veo 3.1 AI Video Generator是谷歌推出的基于AI技术的视频生成工具，核心定位为根据文本指令生成具备专业质感的连贯视频内容。该工具支持音频同步匹配、多场景叙事构建，可生成符合电影叙事逻辑的完整视频片段，支持用户自定义画面风格、场景转场与台词内容。核心功能包含文本生成视频、音频自动同步、多场景拼接、风格自定义、分辨率调节等，目标用户涵盖影视创作人员、内容创作者、独立电影制作者、短视频运营人员等，适用于概念视频制作、短视频脚本落地、电影分镜可视化、广告短片创作等场景。
happy-horse.art
Happy Horse-1.0 AI是一款开源AI视频生成平台，核心定位为帮助用户通过文本、图像等输入生成高质量视频内容。平台支持原生音视频同步匹配、1080P分辨率极速输出，具备自定义参数调整、开源可二次开发等特性。目标用户包括内容创作者、开发人员、新媒体运营人员、设计工作室以及AI技术研究者，可应用于短视频内容制作、概念视频原型生成、个人创意内容产出、AI生成技术二次开发等多种场景。
foleycrafter.github.io
FoleyCrafter是上海人工智能实验室与香港中文大学（深圳）联合研发的视频拟音生成框架，核心定位是为视频内容生成语义匹配、时间同步的高质量音效。核心功能包括基于文本引导的音效生成、视频帧自动对齐音效时间轴、多风格音效自由切换、批量视频音效处理、生成音效可直接导出使用。目标用户覆盖视频创作者、影视后期从业者、动画制作人员、自媒体运营者、短视频创作者、高校传媒专业师生等。使用场景包括短视频后期拟音补全、动画作品音效创作、影视素材音效替换、科普视频音效制作、自制短片音效设计等，无需专业拟音设备即可完成音效与视频的匹配工作。
vidthis.ai
Vidthis AI是一款专注于AI视频生成的开源平台，主打无内容审查机制，可输出带同步音频的4K分辨率视频内容。平台支持文本生成视频、图像生成视频、视频时长延长、风格迁移调整等多种创作功能，同时支持本地部署和云端调用两种使用模式。主要面向独立视频创作者、动画制作人员、新媒体运营者、艺术创作从业者等用户，可用于短视频内容制作、创意概念演示、动画片段产出、实验艺术创作等多种场景，满足不同用户对AI视频生成的个性化需求。
muvi-v2m.github.io
MuVi是一款专注于视频到音乐生成的AI框架类工具，核心定位是实现视频内容与生成音乐的多维度匹配。它支持通过分析视频的画面内容、叙事节奏、情绪表达提取对应特征，生成适配视频的原创音乐，同时支持用户自定义音乐风格与流派，还搭载了对比性音乐-视觉预训练模块，保障音乐节拍与视频关键节点的同步性。目标用户覆盖视频创作者、内容运营人员、短视频从业者、影视制作人员、音乐爱好者及AI技术研究人员，可用于短视频BGM制作、Vlog配乐生成、宣传片背景音创作、个人创作素材生成等多个场景，为音视频内容融合提供技术支持。
veo4.dev
Veo 4是一个专注于生产级AI视频生成的在线平台，核心定位为面向内容创作者的一站式AI音视频生成工具，可以直接生成带有原生同步音频的完整电影级视频内容，支持真实嘴部同步和高匹配度的提示词生成。平台提供自定义拍摄参数设置、帧精度编辑等功能，能够满足不同创作场景的专业需求。目标用户涵盖视频内容创作者、独立电影制作人、营销广告设计师、自媒体运营人员等，适合用于生成短视频内容、商业广告片、概念演示视频、独立短片创作等场景。
jnwnlee.github.io
Video-Foley是专注于视频音效同步生成的在线技术演示系统，核心定位是为音视频创作场景提供高可控性的自动拟音服务。系统核心功能包括基于视频内容自动匹配音效时间节点、支持文本或音频输入自定义音色风格、生成音效与视频画面动作高度同步。目标用户覆盖视频创作者、音频制作人员、多媒体开发从业者、AI音视频技术研究者等群体，可适用于短视频拟音制作、影视后期音效补充、互动视频音效生成、音视频技术研发测试等多个场景，帮助用户降低手动拟音的操作成本，提升音视频内容的制作效率。