用历史帧引导扩散模型，生成更连贯的视频
diffusion-forcing-transformer 是 ICML 2025 论文《History-Guided Video Diffusion》的官方 PyTorch 实现，属于视频生成领域的早期开源项目。它解决的是视频生成中历史信息引导不足的问题，通过将扩散模型与 Transformer 架构结合，利用历史帧作为条件来生成连贯、合理的后续视频帧。核心能力包括：支持图像到视频的生成、基于扩散模型的概率生成框架、Transformer 对长序列建模的优势，以及历史引导机制提升时间一致性。项目目前处于早期阶段，代码结构清晰，适合研究者复现论文实验或在此基础上进行二次开发。
Video Diffusion Models (VDM)、Make-A-Video、AnimateDiff
diffusion-forcing-transformer 是视频领域的开源项目，由 kwsong0113 开发，2025 年首次发布。
它收录于视频分类，该分类目前共有 472 个项目，GitHub 星标数为 709。
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 2026-09-04。基于PyTorch实现，需自行部署，无在线服务，完全免费。
它主要面向的使用场景是：学术研究：复现ICML2025论文实验，探索视频生成新方法。同类可对比的替代方案包括 Video Diffusion Models (VDM)、Make-A-Video、AnimateDiff。
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···
auto-subs
开源
在剪辑软件里直接生成字幕，省去导出导入的麻烦
On-device subtitle generation that connects directly to DaVinci Resolve, Premiere, a···
