Goku

Goku 是一个 AI 视频生成模型，由中国香港大学与字节跳动联合推出，方向是图像与文本联合驱动的视频生成。它要解决的是同一类问题：把一段文字或一张图片，变成可以直接使用的动态画面，让广告创作、内容制作这些环节少做重复劳动。做短视频、投放素材或电商内容的人，可以先把它理解为一种新的素材生产方式。

主要功能

• 文本生成视频：输入一段文字描述，模型输出对应的视频画面，适合先出构思再逐版改细节。
• 图像生成视频：给一张静态图，让它按设定动起来，常用来把海报或产品图扩展成短片。
• 文本生成图像：同一套能力也覆盖图片生成，文字到图像这一步可以单独完成。
• 底层生成框架：采用 Rectified Flow Transformer，能处理较复杂的时空关系，把多模态任务放在一个模型里完成。

应用场景

• 广告视频制作：Goku+ 是针对广告场景的扩展版本，成片表现更稳定；据官方介绍，相比传统广告视频制作，成本可降低约 100 倍。
• 电商产品展示：用生成的方式做产品展示视频，批量出素材时不必每条都重新实拍。
• 虚拟数字人：可以生成动作自然的虚拟形象，用于虚拟主播、客服等需要出镜但不必真人到场的场景。
• 互动视频生成：面向需要随输入变化的视频内容，适合尝试互动类玩法。

获取与体验

• 在线体验入口：官网提供项目介绍、技术文档和在线体验入口，不用先配环境就能看到效果。
• 开源代码仓库：项目在 GitHub 上开源，代码与模型库都能获取，方便研究者和开发者复用。
• 文档说明：技术文档交代了模型能力和使用方式，动手前可以先对着文档确认是否满足需求。

如果你在做广告、电商或内容制作，手头又缺能快速产出画面的人力和时间，Goku 这类视频生成模型值得先去看官网的在线体验，再决定要不要深入它的文档和开源代码。