视频生成（Video Generation）是一类利用人工智能模型自动创建、编辑或补全视频内容的生成式技术，其目标是根据文本描述、图像、视频片段或其他条件信息，生成具有时间连续性和视觉一致性的动态内容。该技术结合计算机视觉、生成模型、多模态学习和视频理解等方向，是人工智能内容生成领域的重要研究方向之一。

视频生成的发展建立在图像生成、视频预测和计算机视觉等多个领域的长期研究基础之上。早期方法主要依赖基于规则的动画生成、视频拼接以及传统视觉建模技术，生成能力和内容多样性受到限制。随着生成对抗网络（GAN）、扩散模型（Diffusion Models）和大规模视觉预训练模型的发展，研究人员开始探索利用深度生成模型直接学习视频数据分布。 2022 年，Meta AI 研究人员在论文 Make-A-Video: Text-to-Video Generation without Text-Video Data 中提出文本到视频生成方法，通过利用图像文本数据和视频学习策略，在缺少大规模文本-视频配对数据的情况下实现文本驱动的视频生成，成为文本到视频生成领域的重要代表性研究之一。

现代视频生成系统通常基于扩散模型、时空建模方法以及多模态大模型技术，将文本提示（Prompt）、图像条件或其他控制信号映射为连续的视频内容。相比传统视频制作流程，AI 视频生成能够降低部分内容创作成本，并提升视频生成和编辑效率。目前，该技术已广泛应用于影视预览、广告制作、游戏内容生成、教育演示、虚拟角色和数字媒体创作等场景，但在长时间一致性、物理规律理解、细节控制和生成可靠性方面仍面临挑战。