用掩码 Transformer 高效生成高质量视频，支持预测、补全和插值。
MAGVIT 是 Google 发布的视频生成模型，基于掩码生成式视频 Transformer 架构，官方提供 JAX 实现。它解决的核心问题是高效、高质量的视频生成，特别是在视频预测、补全和插值等任务上。MAGVIT 采用 tokenization 和掩码建模策略，将视频压缩为离散 token，再通过 Transformer 学习生成，支持条件生成和无条件生成。其关键能力包括：视频帧预测、视频补全（inpainting）、视频插值（interpolation），以及文本条件视频生成。模型在 Kinetics-600 等基准上展示了领先的性能，同时具备良好的扩展性。项目代码结构清晰，包含训练和推理脚本，适合研究者和工程师复现和二次开发。
1克隆仓库
从 GitHub 拉取 MAGVIT 官方代码，后续所有安装命令都在仓库根目录执行。
git clone https://github.com/google-research/magvit.git
cd magvit2创建 Conda 环境
README 提供 environment.yaml 用于 GPU 环境，自动安装 JAX 等全部依赖。
conda env create -f environment.yaml3激活环境
创建完成后激活 magvit 环境，之后运行代码均需处于该环境。
conda activate magvit4或改用 pip 安装
不想用 Conda 时可改为 pip 安装依赖，需自行保证 CUDA 11 / CuDNN 8.6 环境就绪。
pip install -r requirements.txt在激活的 magvit 环境中执行 conda list 或 pip list，确认依赖已安装且无报错即成功。
Q：安装时 JAX 报 CUDA/CuDNN 相关错误怎么办？
A：README 要求 CUDA 11 与 CuDNN 8.6，且官方测试过 NVIDIA GPU-Optimized VMI 镜像，建议在该镜像或匹配版本的 GPU 环境中安装。
Q：Conda 和 pip 两种安装方式该选哪个？
A：README 提供两种方式，官方推荐用 environment.yaml 创建 Conda 环境；不用 Conda 时可执行 pip install -r requirements.txt 安装依赖。
Q：使用预训练模型有什么限制？
A：README 说明 checkpoint 基于公开数据集训练，部分数据集含非商用等限制，使用前需自行查看第三方条款；且该项目非 Google 官方支持产品。
VideoGPT、CogVideo、NUWA
magvit 是视频领域的开源项目，由 google-research 开发，2022 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（1,001）位列前 30%，在视频分类中处于中上游。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-03。Apache-2.0许可证，可自由使用，无付费版本。
它主要面向的使用场景是：视频预测：根据已有帧生成未来帧，用于自动驾驶或监控。同类可对比的替代方案包括 VideoGPT、CogVideo、NUWA。
MoneyPrinterTurbo
开源
输入一句话，高清短视频自动出炉，文案配音全包了
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short ···
seedance-2.0-api
开源
快速上手字节Seedance 2.0，文本/图片一键生成视频
Seedance 2.0 API — text-to-video and image-to-video examples
openscreen
开源
免费无水印录屏做演示，替代 Screen Studio
Record your screen, ship a demo. Free and open-source, GPU-accelerated, no watermark···
MagicDance
开源
一张图+任意动作，生成身份不变的逼真人物视频
[ICML 2024] MagicPose(also known as MagicDance): Realistic Human Poses and Facial Ex···