输入文字和图片，自动生成匹配的动态视频
MMVID是一个基于多模态条件约束的视频生成开源项目，来自CVPR 2022论文。它解决的核心问题是：如何根据文本描述和参考图像，生成与内容语义一致、且具有合理时序动态的视频。项目融合了BERT文本编码器、Transformer架构和深度多模态学习技术，能够同时理解文本中的动作语义（“Tell Me How”）和图像中的外观内容（“Show Me What”），并据此合成连贯的视频帧序列。其核心能力包括：文本到视频的生成、图像与文本联合条件生成、以及基于Transformer的时序建模。该实现提供了完整的训练和推理代码，支持自定义数据集，适合研究人员和开发者用于多模态内容生成、视频合成等方向的实验与应用。
VideoGPT、TATS (Temporal Autoregressive Transformer)、NUWA
MMVID 是视频领域的开源项目，由 snap-research 开发，2022 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 191。
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 2026-07-03。提供在线演示页面，可免费体验，无付费版本。从国内网络环境看，可直接访问。
它主要面向的使用场景是：学术研究：多模态视频生成算法的复现与改进。同类可对比的替代方案包括 VideoGPT、TATS (Temporal Autoregressive Transformer)、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···
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···
