VidToMe 是视频领域的开源项目，由 lixirui142 开发，2023 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 228。
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 2026-09-20。MIT许可证，完全免费，需自行部署使用。
它主要面向的使用场景是：短视频创作者快速替换视频背景或物体。同类可对比的替代方案包括 Tune-A-Video、ControlVideo、FateZero。
VidToMe
上传视频，输入文字，零训练直接改视频内容
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。
开源
free
图像生成
GitHub 星标
★ 228
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类图像生成
开发团队lixirui142
所属国家
定价模式free
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
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★ 228
30天Star增速
HF 下载量
上线时间2023-12-18 00:00:00
最近更新2026-09-20 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2
使用教程
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
项目介绍
同类项目推荐
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···