text-to-video 第 3 页
本站收录 183 个带「text-to-video」标签的 AI 开源项目（按 GitHub 星标从高到低，第 3 / 4 页）
comfyui-AICG3Dcomfyui-AICG3D 是一个面向 ComfyUI 的非官方整合节点包，把 ComfyUI-MiniMaxH3-Easy 和 Goohai-MiniMax★ 270
openjourneyopenjourney 是一个开源的 MidJourney 网页界面克隆项目，基于 Google Gemini SDK 实现真实的 AI 图像与视频生成能力。它★ 269
PhosphenePhosphene 是一个专为 Apple Silicon 设计的本地生成视频面板，它封装了 LTX-2 MLX 模型，支持联合音频与视频生成，并提供一键式 P★ 263
CrayotterCrayotter 是一个基于多模态大模型（MLLMs）的 AI 剪辑智能体，旨在实现从文字描述到视频成品的全自动生产流程。它解决传统视频剪辑依赖人工操作、流程★ 246
awesome-seedance-2.5-prompts-skills这是一个围绕字节跳动 Seedance 2.5 视频生成模型的中文提示词资源库与智能体技能包。项目收录了 100 多条经过验证的提示词，每条都附带真实视频预览，★ 245
AI-text-to-video-model-from-scratch这是一个从零开始构建小型文本生成视频模型的教程项目，基于Jupyter Notebook实现。它解决了初学者难以理解复杂视频生成模型内部原理的问题，通过清晰的代★ 238
Talking_Face_AvatarTalking_Face_Avatar 是一个基于深度伪造技术的角色与游戏资产头像生成项目。它主要解决开发者在游戏、虚拟角色或数字人场景中，快速生成具有动态表情★ 237
OpenS2V-NexusOpenS2V-Nexus 是 NeurIPS 2025 D&B 收录的百万级主体到视频生成（Subject-to-Video）基准与数据集项目。它解决当前视频★ 232
story-shot-agentstory-shot-agent 是一个基于 LangGraph 和 LLM 的智能体，旨在将电影、动漫、短剧、小说等任意格式的剧本自动解析为分镜，并生成适用于★ 228
flow-agentflow-agent 是一个面向 Google Flow 的 CLI 工具包，旨在通过命令行简化 Nano Banana Pro 图像生成、Omni Flash★ 223
OpenReelsOpenReels 是一个开源的 AI 视频生成流水线，旨在将任意主题自动转化为可直接发布的 YouTube、Instagram 或 TikTok 短视频。它解★ 220
AsyncDiffAsyncDiff 是一个针对扩散模型（Diffusion Models）的推理加速工具，核心思想是通过异步去噪（Asynchronous Denoising）★ 215
ChronoMagic-BenchChronoMagic-Bench 是一个用于评估文生视频模型在时间延展与形态变化能力的基准测试集，由 NeurIPS 2024 D&B Spotlight 收★ 214
generative-media-skills这是一个面向AI编程助手的生成式媒体技能集，旨在为Claude、Copilot、Cursor等编码助手提供图像、视频、音频、语音等生成式媒体的生产级能力。项目基★ 210
Pilipili-AutoVideoPilipili-AutoVideo 是一个全自动 AI 视频生成代理，用户只需输入一句话，即可自动完成从脚本生成、素材检索、配音合成到字幕匹配和成片输出的完整★ 208
LivePhotoLivePhoto 是论文《LivePhoto: Real Image Animation with Text-guided Motion Control》的官★ 206
awesome-ai-video-models这是一个关于AI视频生成模型的精选资源列表，旨在提供最完整、最新的模型对比信息。它系统性地整理了当前主流的AI视频生成模型，包括可灵、海螺、混元、Luma等，并★ 206
Awesome-Style-Transfer-with-Diffusion-Models这是一个精选资源列表，汇集了基于扩散模型的风格迁移方法。它解决了传统风格迁移方法在复杂纹理和结构保持上的不足，以及扩散模型在风格化应用中缺乏系统整理的问题。项目★ 204
Video-Motion-CustomizationVideo-Motion-Customization（VMC）是一个基于扩散模型的视频运动定制工具，核心解决文本到视频生成中运动模式难以精确控制的问题。它通过引★ 200
awesome-minimax-h3-prompts这是一个精选的 MiniMax H3 视频生成提示词合集，旨在帮助创作者快速上手 MiniMax H3 模型，生成电影感、广告、动漫、UGC、产品演示等多种风格★ 196
MMVIDMMVID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★ 191
VidProMVidProM 是 NeurIPS 2024 发布的大规模真实提示词数据集，专为文本到视频扩散模型设计。它包含百万级真实用户提示词，解决了当前视频生成领域缺乏高★ 188
KandinskyVideoKandinskyVideo 是一个基于潜在扩散模型的多语言文本生成视频的开源项目，由 Kandinsky 团队开发。它解决了从文本描述直接生成连贯视频片段的问★ 186
SoraFlowsSoraFlows 是一个基于 OpenAI Sora 模型的模块化 WebUI 和 API 后端项目，旨在为文本生成视频提供统一、易用的界面和接口。它解决了 ★ 185
auto-video-genauto-video-gen 是一个用 TypeScript 编写的开源工具，能把一条新闻链接或 GitHub 仓库地址自动转换成 9:16 竖屏短视频，直接适★ 181
vibeframevibeframe 是一个面向编码代理（coding agents）的前沿 AI 视频生成工具，它通过统一的 CLI 和 MCP（Model Context P★ 180
LLM-groundedVideoDiffusionLLM-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★ 173
Video-Generation-Paper-List这是一个视频生成领域的前沿论文追踪列表，持续收录CVPR、ICCV、ECCV、NeurIPS、ICLR等顶级会议及arXiv上的最新研究成果。项目按研究方向（如★ 171
SceneScapeSceneScape 是一个基于 PyTorch 的文本驱动场景生成模型，核心目标是解决文本到视频生成中常见的时序一致性问题。它通过扩散模型架构，将文本描述转化★ 161
VideoGrainVideoGrain 是 ICLR 2025 论文的官方实现，专注于多粒度视频编辑。它基于 Stable Diffusion 和扩散模型，通过调制空间-时间注意★ 159
DiffusionARTDiffusionART 是扩散模型强化学习后训练的官方实现，对应论文《DiffusionART: Efficient, Stable and Scalable★ 154
cinematic-video-prompt-skill这是一个面向 AI 视频生成领域的提示词速查表与 Claude Skill 工具，主要解决普通用户写视频提示词时缺乏电影语言知识、难以精确控制画面效果的问题。项★ 152
Kandinsky-4Kandinsky-4 是俄罗斯团队开源的视频生成模型，支持文本生成视频和图像生成视频两种模式。它基于扩散模型架构，通过引入视频蒸馏技术提升生成效率，并支持视频★ 150
vibe-creating-skill这是一个开源的双语AI视频提示词生成技能，旨在将用户的创意想法自动转化为模型可直接使用的文生视频提示词。它解决了非专业用户难以撰写高质量视频提示词的痛点，通过结★ 150
vantavanta 是一个基于 Remotion 构建的开源 AI 视频引擎，旨在替代 Synthesia、HeyGen、Runway、CapCut 等商业工具。它解决★ 148
awesome-flux-3-api-prompts这是一个面向 Black Forest Labs FLUX 3 模型的 API 使用指南与提示词合集。FLUX 3 是统一的多模态生成模型，支持文生视频、图生视★ 147
seedance-2.0-apiseedance-2.0-api 是围绕 Seedance 2.0 视频生成模型封装的 Python 调用示例与文档仓库，主要解决开发者接入该模型时缺乏清晰参数★ 146
ark-cliark-cli 是一个面向火山引擎方舟（Volcengine Ark）平台的命令行工具，旨在让开发者通过终端或 AI 智能体快速调用大模型能力。它解决了传统 A★ 144
keys-Wasserman-Slate-AI-Studio-powered-by-TensorFold-Mac-DGXSpark这是一个面向 Mac（Apple Silicon）和 NVIDIA DGX Spark 的 AI 电影工作室项目，由 TensorFold 驱动，采用 Sam ★ 143
Ground-A-VideoGround-A-Video 是一个基于扩散模型的零样本视频编辑工具，来自 ICLR 2024 论文。它解决了传统视频编辑需要逐帧处理、难以保持时空一致性的痛点★ 140
seedance-2.5-apiseedance-2.5-api 是围绕 Seedance 2.5 视频生成模型封装的 API 调用示例与成本参考项目，用 Python 编写。它解决的核心问题★ 136
ComfyUI-MiniMaxH3-StudioComfyUI-MiniMaxH3-Studio 是一个把 MiniMax H3 视频生成能力直接搬进 ComfyUI 的自定义节点扩展。它解决的是创作者在 C★ 135
agnes-ai-video-suiteagnes-ai-video-suite 是一个开源的 AI 视频生成套件，旨在将文本直接转化为多场景电影，并自动添加旁白和字幕。它解决了传统视频制作流程复杂、★ 133
Seedance-ShotDesign-SkillsSeedance-ShotDesign-Skills 是一个基于 Seedance 2.5 模型的视频生成技能包，旨在通过结构化的镜头设计提示词，帮助用户从文本★ 126
MaineCoonMaineCoon 是一个追求实时音视频社交世界模型的开源项目，目前处于早期技术报告与项目链接阶段。它旨在构建一个能够实时理解和生成音频与视频的生成式AI模型，★ 120
open-videoopen-video 是一个面向视频生成的开源本地化方案，定位类似“视频生成领域的 Ollama”，目标是让 MiniMax H3 这类视频生成模型能在本地跑起★ 119
DJZ-WorkflowsDJZ-Workflows 是一个专注于 ComfyUI 工作流的开源集合，提供了 1000 多个用于 AI 图像和视频生成的工作流模板，覆盖 Flux、SDX★ 118
ez-text2videoez-text2video 是一个轻量级的文本生成视频工具，旨在让用户无需高端显卡即可运行视频扩散模型。它基于 Hugging Face 的 diffusers★ 115
open-directoropen-director 是一个开源的 AI 视频工作室，旨在将一句话创意自动转化为完整的视频成片。它解决了从创意到成片过程中涉及的多步骤复杂流程，如脚本生成★ 115
Video-Generator-AI这是一个基于 Next.js 的视频生成 SaaS 平台，用户只需输入文字描述，即可自动生成营销、教育或社交媒体用的视频内容。项目整合了 GPT-4 负责脚本生★ 111