用LLM规划场景，让文本生成视频更听话
LLM-grounded Video Diffusion (LVD) 是 ICLR 2024 的官方实现，旨在解决文本到视频生成中语义对齐和时序一致性问题。它利用大型语言模型（LLM）作为“规划器”，将输入文本分解为分步的场景描述，再通过一个基于扩散模型的视频生成器，将每个场景描述转化为对应的视频片段，最后拼接成完整视频。核心能力包括：将复杂文本提示转化为结构化的视频生成流程，提升生成视频与文本的语义匹配度；通过场景级控制，增强视频内容的可编辑性和局部修改能力；支持自定义 LLM 和视频生成模块，便于扩展。项目代码基于 PyTorch，提供推理和训练脚本，适合研究文本到视频生成的开发者使用。
ModelScope Text-to-Video、VideoFusion、Imagen Video
LLM-groundedVideoDiffusion 是视频领域的开源项目，由 TonyLianLong 开发，2023 年首次发布。
它收录于视频分类，该分类目前共有 473 个项目，GitHub 星标数为 172。
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 2026-06-15。代码公开，可自行部署使用，无收费计划。
它主要面向的使用场景是：研究文本到视频生成的语义控制方法。同类可对比的替代方案包括 ModelScope Text-to-Video、VideoFusion、Imagen Video。
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···
