video-generation 第 10 页
本站收录 486 个带「video-generation」标签的 AI 开源项目（按 GitHub 星标从高到低，第 10 / 10 页）
AI-Infinite-Zoom-GeneratorAI-Infinite-Zoom-Generator 是一个将 AI 生成的向外扩展（outpainting）图像序列转换为“无限缩放”视频的开源工具。它解决了★ 68
Awesome-Personalized-Video-Creation这是一个专注于个性化视频生成与编辑领域的资源整理仓库，收集了相关论文、代码和工具。它旨在解决视频生成中缺乏个性化控制的问题，让用户能够根据特定主体（如人脸、物体★ 67
PhyT2VPhyT2V 是一个面向物理感知文本生成视频（Text-to-Video）的官方开源实现，对应 CVPR 2025 论文。它解决的是现有视频生成模型在物理规律遵★ 67
Magic-WorldMagic-World 是一个面向交互式视频世界探索的开源项目，旨在解决长时程视频生成中的稳定性问题。它基于扩散模型，支持实时交互和长视频生成，核心能力包括因果★ 66
VideoGen-of-ThoughtVideoGen-of-Thought 是一个面向多镜头视频生成的开源项目，源自 NeurIPS 2025 NextVid Workshop 的口头报告论文。它★ 66
fantasy-talking2FantasyTalking2 是一个基于扩散模型的音频驱动人像动画生成项目，发表于 AAAI 2026。它解决的是传统方法在音频-视觉同步和动作自然度上的不足★ 66
Seedance2.0-Storyboard-PlannerSeedance2.0-Storyboard-Planner 是一个面向视频创作者的早期开源工具，专注于视频生成的前期分镜规划。它基于 Vue3 和 FastA★ 65
flowmflowm 是 Flow Equivariant World Models（ICML 2026）的完整模型实现，旨在构建具备记忆能力的动态场景世界模型。它解决的★ 64
30x-video30x-video 是一个基于 Claude Code 技能（Skill）的视频生成工具，它利用 Remotion 和 React 技术栈，将产品介绍 URL ★ 64
EVAEVA 是一个将视频生成模型与机器人动作执行对齐的开源项目，核心思路是利用逆动力学奖励来训练视频世界模型，使其不仅能预测未来帧，还能根据视频内容生成可执行的机器★ 64
PISCOPISCO是一个基于稀疏控制的精准视频实例插入工具，旨在解决视频编辑中对象插入不自然、控制不精确的问题。它利用大语言模型和视觉语言模型理解视频内容，通过稀疏控制★ 63
KsanaDiTKsanaDiT 是一个面向视频与图像生成场景的高性能 Diffusion Transformer（DiT）推理框架，专注于解决 DiT 模型在推理阶段计算量大★ 63
Awesome-Video-World-Models这是一个关于视频生成作为世界模型的精选资源列表，从机制视角梳理了视频生成与物理世界模拟的关联。项目核心在于将视频生成理解为对世界状态和动态的建模，而非简单的像素★ 62
DataClaw0DataClaw 是一个面向多模态数据智能处理的开源项目，核心目标是解决原始数据流到高质量训练数据的自动化加工问题。它通过 Agentic 方式，结合视觉语言模★ 62
MojitoMojito 是一个面向视频生成的可控运动轨迹与强度控制的开源项目，源自同名论文。它解决的是现有文本生成视频模型中，用户难以精确控制画面中物体运动方向和幅度的问★ 62
img-studioImgStudio 是一个基于 NextJS 的 Web 应用，旨在简化 Google GenAI 模型（Imagen 和 Veo）的部署与使用，让用户轻松生成★ 61
data-forcing-distillationData-Forcing Distillation (DFD) 是一个用于少步视频生成的蒸馏方法，旨在解决现有蒸馏技术在少步生成时出现的多样性和保真度下降问题。★ 61
movie-genmovie-gen 是论文《Movie Gen: A Cast of Media Foundation Models》的开源社区实现，旨在复现 Meta 提出的★ 61
Awesome-Controllable-Video-Diffusion这是一个关于可控视频生成的精选资源列表，汇集了基于扩散模型的视频生成与控制技术。它系统整理了相关论文、代码和工具，覆盖了从运动控制、内容编辑到条件生成等多个方向★ 61
spellcasterspellcaster 是一个专注于本地 AI 图像生成的开源工具，旨在提供无痛、专业、私密且免费的使用体验。它主要解决用户在本地环境中运行 AI 图像生成时面★ 60
stablediffusion-interpolation-tools这是一个用于Stable Diffusion模型提示词之间平滑插值的工具集，主要解决生成图像在语义过渡时不够连续、生硬跳变的问题。它通过算法在多个提示词的潜在空★ 59
KineTyKineTy 是 ECCV 2024 论文《Kinetic Typography Diffusion Model》的官方代码实现，专注于动态文字（Kinetic★ 59
bingartBingArt 是一个非官方的异步 Python 封装库，用于调用 Bing 的图像和视频生成接口。它解决了开发者无法直接通过官方 API 使用 Bing AI★ 58
swdswd 是一个基于 TensorFlow 的无监督视频与图像生成开源项目，旨在通过生成对抗网络（GAN）实现高质量的视频和图像合成。它解决了传统监督学习方法依赖★ 57
mcpRunAPI MCP server 是一个基于 Model Context Protocol 的官方服务器，用于连接 RunAPI AI 平台。它主要解决开发者★ 56
clip-ganclip-gan 是一个利用 CLIP 模型引导生成式对抗网络（GAN）自动创作音乐视频的开源实验项目。它解决了传统音乐视频制作成本高、创意受限的问题，通过将 ★ 56
MM2022-ViCoPerceptualHeadGenerationViCo 是一个面向对话场景的感知头部生成开源项目，来自 ACM MM 2022 Workshop。它解决的是在给定单个源人物图像和驱动视频（如音频或动作）的情★ 55
CogVideo_demoCogVideo_demo 是一个非官方的 CogVideo 演示应用，旨在为 CogVideo 文本生成视频模型提供一个简单易用的交互界面。它基于 Gradi★ 53
BLADEBLADE 是一个面向视频生成的高效推理加速框架，核心思路是将块稀疏注意力（Block-Sparse Attention）与步骤蒸馏（Step Distilla★ 53
DelphiGeminiDelphiGemini 是一个面向 Delphi 开发者的 Google Gemini API 封装库，旨在让 Pascal 语言生态能够便捷地接入 Gemi★ 51
agnes-ai-skillAgnes AI Skill 是一个面向 AI 代理（如 Claude Code、Codex）的多模态技能包，统一封装了文本、图像和视频生成 API，并提供持久★ 45
ManvoTVManvoTV 是一个 AI 原生的创作平台，主打无限画布和漫剧剧本工厂，用户只需输入想法，即可自动生成剧本、分镜和视频内容。它解决的是从创意到成片过程中繁琐的★ 42
muapi-climuapi-cli 是 muapi.ai 的官方命令行工具，让你在终端里直接生成图片、视频和音频。它解决了 AI 创作需要频繁切换网页或编写复杂代码的痛点，将多★ 12
TA2.0音频驱动的数字人口型与视频生成方案：输入参考图片和语音音频，即可生成口型同步的说话头像视频，适合数字人克隆与视频内容生产。★ 6
heygen-app基于 HeyGen API 的 Python 工具包，用于生成 AI 数字人视频并管理相关资源，帮助开发者以编程方式快速构建虚拟主播内容。★ 5
videoibl.ai 平台的 AI 视频工作室：在统一工作空间中生成数字人视频、克隆声音并撰写脚本，基于 Next.js、TypeScript 与 Tailwind C★ 4