VidToMe

上传视频,输入文字,零训练直接改视频内容

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 图像生成 🍴 复刻 12 🐛 待处理 2 👀 关注 8
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 229
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,完全免费,需自行部署使用。

项目预览

VidToMe 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类图像生成
开发团队lixirui142
定价模式🏷️完全免费
价格说明开源项目,MIT许可证,完全免费,需自行部署使用。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言Python
技术栈/模型stable-diffusion,text-driven-editing,video-editing,video-to-video-translation,zero-shot
GitHub 星标★ 229
上线时间2023-12-18 00:00:00
代码更新2025-01-22
仓库体积9.8 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数3

项目介绍

VidToMe 是 CVPR 2024 的官方 PyTorch 实现,提出一种零样本视频编辑方法,通过视频令牌合并(Video Token Merging)技术,在无需训练的情况下将文本驱动的图像编辑模型(如 Stable Diffusion)扩展到视频领域。它解决的核心问题是:现有文本到视频编辑方法要么需要针对每个视频微调,要么计算开销巨大,且难以保持时序一致性。VidToMe 通过合并视频帧间的相似令牌,减少冗余计算,同时利用自注意力机制增强跨帧一致性,从而在保持高质量编辑效果的同时大幅提升效率。其核心能力包括:支持基于文本的语义编辑(如换装、改背景)、保持物体身份和运动轨迹、零样本泛化到任意视频,且与多种预训练扩散模型兼容。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 229

核心亮点

  • 零样本编辑,无需针对视频微调,开箱即用
  • 令牌合并技术显著降低计算量,推理速度更快
  • 时序一致性保持较好,编辑后视频流畅不闪烁

不足之处

  • 复杂场景下编辑精度有限,可能产生局部伪影
  • 文档/社区待观察,教程和示例较少

适用场景

  • 短视频创作者快速替换视频背景或物体
  • 影视后期预可视化,快速生成风格化预览
  • 教育内容制作,将实拍视频转为动画风格

替代项目

Tune-A-Video、ControlVideo、FateZero

上一篇:LAMP

下一篇:giffusion

同类项目推荐

CapCap 开源

一个窗口搞定短视频转写翻译配音导出

CapCap is a Windows desktop app for short-form video localization and dubbing. It br···

★ 364 2026-10-09
sd-forge-deforum 开源

在 Forge 里用 Deforum 做 AI 动画,关键帧同步更稳

Fluxabled fork of the Deforum extension for Stable Dissusion WebUI Forge with keyfra···

★ 67 2026-08-09
awesome-seedance-2-prompts 开源

2000+精选提示词,让 Seedance 视频生成更专业

2000+ curated Seedance 2.0 video generation prompts — cinematic, anime, UGC, ads, m···

★ 2207 2026-08-09
open-genie 开源

复现交互式世界模型,让 AI 生成可玩的视频环境

Pytorch implementation of "Genie: Generative Interactive Environments", Bruce et al.···

★ 296 2026-08-09
Vidu4D 开源

视频与4D互惠优化,生成动态场景更真实

[TPAMI 2025, NeurIPS 2024] Video4DGen: Enhancing Video and 4D Generation through Mut···

★ 371 2026-08-09
ID-V2V 开源

视频换风格,人脸不换样

The official implementation of SIGGRAPH Asia 2026 paper "ID-V2V: Identity-preserving···

★ 293 2026-08-09
ZoomVideoComposer 开源

把静态图片一键变成推拉镜头视频,适合AI绘画作品展示

Pyhton script for generating zoom in/out videos from a set of images

★ 123 2026-08-09
kandinsky-5 开源

用文本一键生成视频和图像,扩散模型新选择。

Kandinsky 5.0: A family of diffusion models for Video & Image generation

★ 845 2026-08-09