Goku 是由香港大学与字节跳动联合研发的多模态AI视频生成模型，基于校正流Transformer架构（Rectified Flow Transformer），专为图像与视频的联合生成优化。

该模型于2025年2月正式发布技术报告。

智源研究院发布并解读国内外100余个开源和商业闭源的语言、视觉语言、文生图、文生视频、语音语言大模型综合及专项评测结果，语言模型主观评测重点考察模型中文能力，结果显示，字节跳动Doubao-pro-32k-preview、百度ERNIE 4.0 Turbo位居第一、第二，OpenAI o1-preview-2024-09-12、Anthropic Claude-3-5-sonnet-20241022位列第三、第四，阿里巴巴Qwen-Max-0919排名第五。

文本生成视频：Goku能够根据用户提供的文本描述生成完整的视频内容。通过理解文本中的细节和情节，Goku将其转化为动态视频，适用于广告制作、营销视频、短视频创作等场景。

图像生成视频：用户只需提供一张静态图像，Goku即可基于这张图片生成动态视频。这一功能特别适合电商和品牌推广，可以将产品图片转化为生动的广告视频。

文本生成图像：除了视频生成，Goku还支持根据文本描述生成静态图像。用户输入具体的文字信息，Goku能生成符合描述的高质量图像，广泛应用于创意设计、广告、插画等领域。

高质量生成：Goku的图像与视频生成效果非常真实，能够清晰地表现人物情感和细节，展示出广告产品的细腻质感。

业内人士认为，目前国产视频大模型在画面的一致性、可控性、丰富程度上都有明显提升，提高成像质量、突破生成时长瓶颈后，有望大幅打开下游商业化空间。

文生视频概念相关港股：

快手-W（01024）：可灵大模型由快手大模型团队自研打造，具备强大的视频生成能力，能够根据用户提供的文本描述生成高质量的视频内容。

美图公司（01357）：美图公司推出的MiracleVision 4.0 AI视频生成功能为用户提供了强大的视频生成能力，具有高质量的生成效果和良好的细节处理能力，适用于多种内容创作和商业应用场景。

商汤-W（00020）：2024年7月4日，商汤科技发布人物视频生成大模型Vimi；7月6日，上线AI生成视频模型清影。

腾讯（00700）：12月3日，腾讯混元大模型上线视频生成功能。

阿里巴巴（09988）：9月19日，阿里云通义万相发布视频生成模型，上线文生视频和图生视频功能；