CogVideoX · CogVideoX: Text-to-Video Diffusion Models with An Expert Transformer
2024 · arXiv 2024 · Zhuoyi Yang, Jiayan Teng, Wendi Zheng, Ming Ding, Shiyu Huang et al.
开源 DiT + 3D causal VAE + expert AdaLN。AniSora 用它的权重做动画 SFT。
视频生成
九篇。从 Sora 到开源复现与加速。
HunyuanVideo · HunyuanVideo: A Systematic Framework For Large Video Generative Models
2024 · arXiv 2024 · Weijie Kong, Qi Tian, Zijian Zhang, Rox Min, Zuozhuo Dai, Jin Zhou, Jiangfeng Xiong, Xin Li, Bo Wu, Jianwei Zhang et al.
开源 13B 双流→单流 Transformer + causal 3D VAE。Open-Sora 2.0 先拿它的 VAE 再换深压缩 AE。
Movie Gen · Movie Gen: A Cast of Media Foundation Models
2024 · arXiv 2024 · The Movie Gen team (Meta)
同一媒体基座同时出 1080p 视频和同步音频，跨到音频生成线。
Open-Sora · Open-Sora: Democratizing Efficient Video Production for All
2024 · arXiv 2024 · Zangwei Zheng, Xiangyu Peng, Tianji Yang, Chenhui Shen, Shenggui Li, Hongxin Liu, Yukun Zhou, Tianyi Li, Yang You
复现 Sora 配方的完整开源栈：数据管线、STDiT、3D AE、flow matching。Tora 以它为底座。
Sora · Video generation models as world simulators
2024 · OpenAI 技术报告 2024 · Tim Brooks et al. (OpenAI)
时空 patch DiT + 可变时长/分辨率，把视频生成写成世界模拟，后面开源路线都在对这个。
AniSora · AniSora: Exploring the Frontiers of Animation Video Generation in the Sora Era
2025 · arXiv 2024/2025 · Yudong Jiang, Baohan Xu, Siqian Yang, Mingyu Yin, Jing Liu et al. (Bilibili)
用 CogVideoX 权重做动画全参 SFT，补自然视频模型在动画上的短板。
Foresight · Foresight: Adaptive Layer Reuse for Accelerated and High-Quality Text-to-Video Generation
2025 · NeurIPS 2025 · NeurIPS 2025 authors
不改权重，推理时自适应复用 DiT 层，加速 Open-Sora / Latte / CogVideoX。
Open-Sora 2.0 · Open-Sora 2.0: Training a Commercial-Level Video Generation Model in $200k
2025 · arXiv 2025 · Open-Sora Team (HPC-AI Tech)
把 Open-Sora 推到接近商用水准，并证明训练成本可以压到约 20 万美元。
Tora · Tora: Trajectory-oriented Diffusion Transformer for Video Generation
2025 · CVPR 2025 · Zhenghao Zhang et al.
在 Open-Sora 的 DiT 上加入轨迹条件，做运动可控生成。